热点事件持续更新
研究团队提出CGSD训练数据过滤分解方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月15日，研究团队在arXiv发布论文，提出反事实门控支撑集分解（CGSD）方法。该方法通过四臂、预算匹配的设计，将训练数据过滤效应解耦为支撑集内筛选、支撑集间重分布及两者之间的交互效应。在韩英和韩日检索任务中，实验表明支撑集内筛选是唯一显著超出置信空区间的成分，留出项分别增加+29.7和+5.6；置信度阈值门控也呈现相同规律（+27.3项）。此外，CGSD还明确给出了有限数据池下的可构建性条件，以防止将重分布效应误读为样本级门控质量。
AI 根据报道生成 · 7 小时前更新
最新进展10月15日 12:00
研究团队提出CGSD方法，成功解耦训练数据过滤效应并验证了支撑集内筛选的显著性。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv 机器学习反事实门控支撑集分解（CGSD）：解耦训练数据过滤中的样本筛选与支撑集重分布
研究者提出反事实门控支撑集分解（CGSD），通过四臂、预算匹配的设计将训练数据过滤效应解耦为支撑集内筛选、支撑集间重分布及交互效应。在韩英和韩日检索任务中，支撑集内筛选是唯一显著超出置信空区间的成分（留出项分别增加 +29.7 和 +5.6）；置信度阈值门控也呈现相同规律（+27.3 项）。CGSD 明确给出了有限数据池下的可构建性条件，防止将重分布效应误读为样本级门控质量。
本事件热度走势
当前热度 8·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。