成对学习框架提升神经网络数据效率

2026年10月，Robert Bain 等研究人员提出一种成对比较学习框架，该框架将回归任务重构为相对排序的聚合形式。在 UTKFace 数据集上，该方法无需额外监督即可生成超过 10 亿个训练比较对，帮助 ResNet10 模型达到 3.64 年的 MAE 表现。 在分类任务方面，该成对监督方式在 STL10 数据集上表现优异。实验显示，当标注样本数量在 500 至 2000 个之间时，该方法一致优于同等配置的 10 路交叉熵模型，准确率最高提升 5.2%。这种监督方式在标注数据有限时优势明显，因此特别适用于临床等数据稀缺场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。