研究提出表格基础模型的主动上下文学习采集策略

1. 20:04
   arXiv · cs.AI

   表格基础模型的主动上下文学习：何时、何处与如何采集标签

   研究针对冻结的表格基础模型（TFM）提出主动上下文学习采集策略，比较多样性、预测不确定性与目标感知信息增益随上下文增加的价值变化。在二十个基准上测试两种主流 TFM 与经典 GBDT，发现多样性采集在前几轮迭代最优，而通过简单的目标感知最近邻规则标注与目标输入相关的池行效果显著。EPIC 在标签预算下表现最佳，在池最大的八个基准上仅标注 5-10% 即保留平均 80-87% 的机会校正全数据性能，所选标签还能提升 GBDT 的预测表现。

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。