热点事件观察中
研究人员提出开集联邦主动学习框架 FIDAL
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，研究人员在 arXiv 提出面向真实分布偏移的开放集联邦主动学习框架 FIDAL。该框架结合全局-局部证据不确定性、支持集多样性加权以及自适应 OOD（分布外）拒绝机制，无需手动调参即可排除无关离群样本。在三个多中心医学影像基准测试中，FIDAL 的平衡准确率最高提升约 12 个百分点，在相同预算下使 OOD 样本标注消耗减少至少 1.3 倍，并在乳腺摄影任务中节省了 7 至 29 小时的专家阅片时间。
AI 根据报道生成 · 6 小时前更新
最新进展9月29日 12:00
研究人员提出 FIDAL 框架，可显著降低医学影像分析中的离群样本标注消耗。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 机器学习FIDAL：面向真实分布偏移的多样性感知联邦主动学习
研究人员提出开放集联邦主动学习框架 FIDAL，结合全局-局部证据不确定性、支持集多样性加权与自适应 OOD 拒绝机制，无需手动调参即可排除无关离群样本。在三个多中心医学影像基准测试中，FIDAL 平衡准确率最高提升约 12 个百分点，相同预算下对 OOD 样本标注消耗减少至少 1.3 倍，在乳腺摄影任务中节省 7-29 小时专家阅片时间。
本事件热度走势
当前热度 5·可比范围峰值 5（9月30日 10:00）·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。