研究揭示训练样本价值取决于目标学习器

2026年10月2日，arXiv机器学习领域发表的一项研究指出，核心集（Coreset）选择中的训练样本价值并非由数据固有决定，而是取决于目标学习器。研究人员通过固定子集干预实验发现，在ImageNet-100数据集上，将ResNet-18模型的宽度翻倍会使策略交叉边界从每类57个样本移至85个；而换用ViT架构后，几何覆盖策略在整个测量范围内均保持胜出。研究结果表明，网络架构与模型容量会直接改变样本的相对价值，因此数据筛选策略必须针对具体的学习器目标进行评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。