arXiv · ML· Yangze Liu, Xiao-Long Yin, Zhongyi Han·· 2026-10-12AI 评分21
易样与覆盖样:样本价值边界随学习者变化
Useful to Whom? The Easy-versus-Coverage Boundary Moves with the Learner
AI 导读
训练样本的价值源于其与学习者的交互,而非样本本身。实验显示,在 ImageNet-100 上,ResNet-18 宽度加倍使易样与覆盖样的优势翻转阈值(crossover m0)从 57 移至 85 样本/类;输入分辨率从 32 增至 64 像素则使其回落至 57。
来源:arXiv · ML · arxiv.org