EDA-L2D框架适应专家可靠性漂移
热点事件持续更新
EDA-L2D框架适应专家可靠性漂移
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Ziyao Mou、Andrea Wynn及Eric Nalisnick提出EDA-L2D框架,并已在arXiv发布相关论文。该框架属于专家感知的L2D模型,旨在解决专家可靠性随时间发生波动的问题。 框架核心机制是通过序列模型结合专家近期结果历史,对决策延迟头进行动态调整,以适配可靠性的时间漂移。 在图像分类、医疗诊断和仇恨言论检测三个任务中,该方法证明比传统L2D方法更有效地分配人机决策。
AI 根据报道生成 · 7 小时前更新
最新进展11月20日 13:00
提出 EDA-L2D 框架以适配专家可靠性随时间漂移报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML提出 EDA-L2D 框架以适配专家可靠性随时间漂移
研究提出 EDA-L2D 框架,通过序列模型结合专家近期结果历史,动态适应可靠性随时间的波动。 在图像分类、医疗诊断和仇恨言论检测三个任务中,该方法比传统 L2D 方法更有效地分配人机决策。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 811月20日 23:00
- 近 24 小时变化
- –
02468
23:0011月21日01:0002:0003:0004:0005:00
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。