محققان به تازگی چارچوب نوآورانهای به نام «CuBAS» معرفی کردهاند که نحوه انتخاب دادههای آموزشی برای مدلهای طبقهبندی را متحول میکند.
نکته کلیدی این روش این است که به جای روشهای تصادفی یا مبتنی بر عدم قطعیت، از «هندسه دادهها» و میزان «انحنا» در نقاط داده استفاده میکند. با این رویکرد، مدل میتواند مناطق پیچیده و مرزهای حساس تصمیمگیری را بهتر شناسایی کرده و با حجم داده کمتر، عملکرد بسیار دقیقتری ارائه دهد.
این یعنی آموزش سریعتر، کمهزینهتر و هوشمندتر برای طیف گستردهای از مدلهای یادگیری ماشین!
منبع: arXiv AI