跳到正文
原文
arXiv stat.ML· Jianyu Xu, Smriti Jha, Aarti Singh, Bryan Wilder·· 2026-09-30AI 评分34

粗粒度监督何时值得采用?未知聚合下的成本感知学习

When Is Coarse Supervision Worth It? Cost-Aware Learning under Unknown Aggregation

AI 导读

新研究针对昂贵向量标签与未知聚合标量粗标签的双分辨率学习,推导出了粗粒度监督的闭式盈亏平衡条件。研究提出的 estimate-and-track 在线策略可学习聚合规则并追踪最优分辨率配比,理论上达到最优主导累积风险系数。合成实验验证了全精细到混合标注的转换点,展现出其在有限预算下相比全精细标注的性能收益。

来源:arXiv stat.ML · arxiv.org