محققان در مقالهای جدید روشی هوشمندانه و در عین حال «بهشکل خجالتآوری ساده» برای انتخاب دادههای آموزشی در مدلهای هوش مصنوعی معرفی کردهاند. این متد که با نام Few-Medoids شناخته میشود، به جای درگیری با روشهای پیچیده، بر اساس انتخاب نمونههایی که بیشترین شباهت را به مرکز (Centroid) کلاس خود دارند، عمل میکند.
نتایج آزمایشها نشان میدهد که این روش ساده در «تقطیر دانش» (Knowledge Distillation) به راحتی از روشهای رایج و تصادفی پیشی میگیرد و میتواند به ابزاری استاندارد برای افزایش کارایی مدلهای بینایی ماشین تبدیل شود. این یعنی آموزش بهتر با دادههای کمتر! 🤖📊
📌 منبع و کد پروژه برای علاقهمندان در دسترس است.
منبع: arXiv AI