تخمین «اطلاعات متقابل» یکی از ستونهای اصلی آمار و یادگیری ماشین است، اما مشکل اینجاست که بنچمارکهای فعلی فقط مدلها را در شرایط ساده ارزیابی میکنند.
محققان بهتازگی چارچوب جدید و جامعی معرفی کردهاند که عملکرد تخمینگرها را در دادههای واقعی و پیچیده به چالش میکشد. یافتههای آنها نشان میدهد که هیچ «قهرمان جهانی» وجود ندارد و هر دستهای از تخمینگرها (غیرپارامتریک، تبعیضی یا مولد) در شرایط خاصی بهتر عمل میکنند.
این تحقیق با ارائه کدهای متنباز، به توسعهدهندگان کمک میکند تا محدودیتهای مدل خود را بهتر درک کرده و آنها را بهینهتر کنند. برای دسترسی به جزئیات بیشتر و کدها میتوانید به گیتهاب این پروژه سر بزنید.
منبع: arXiv AI