热点事件持续更新
研究提出“忠实性”数据选择框架并开源实现
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23日，arXiv机器学习领域发布论文《迈向忠实数据选择：统计极限与可扩展算法》。该研究证明，在没有超大验证集时，常规最优数据选择在信息论上不可行。为此，研究团队提出了一种具备单边保证的“忠实性”（faithfulness）数据选择框架。该方法基于未校正朗之万算法，将子集与全量数据训练的KL散度上界建模为轨迹累积梯度差异，并通过基于交换的局部搜索算法进行优化。在CIFAR10与CIFAR100上的实验表明，其表现与现有基准水平相当，相关代码已开源。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究提出具备单边保证的忠实性数据选择框架，实验性能匹配现有基准且已开源代码。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习迈向忠实数据选择：统计极限与可扩展算法
研究证明在无超大验证集时常规最优数据选择在信息论上不可行，并提出具备单边保证的“忠实性”（faithfulness）数据选择框架。该方法基于未校正朗之万算法，将子集与全量数据训练的 KL 散度上界建模为轨迹累积梯度差异，并通过基于交换的局部搜索算法进行优化。CIFAR10 与 CIFAR100 实验表明其表现匹配现有基准水平，实现代码已开源。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23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。