会员服务
过拟合，在AI领域多指机器学习得到模型太过复杂，导致在训练集上表现很好，然而在测试集上却不尽人意。过拟合（over-fitting）也称为过学习，它的直观表现是算法在训练集上表现好，但在测试集上表现不好，泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差，在训练时复杂的模型将抽样误差也进行了拟合导致的。
LiteGuard: Efficient Task-Agnostic Model Fingerprinting with Enhanced Generalization
Arxiv
0+阅读 · 3月26日
Benign Overfitting in Adversarial Training for Vision Transformers
Arxiv
0+阅读 · 4月21日
Toward Reliable Sim-to-Real Predictability for MoE-based Robust Quadrupedal Locomotion
Arxiv
0+阅读 · 3月26日
Preventing Overfitting in Deep Image Prior for Hyperspectral Image Denoising
Arxiv
0+阅读 · 4月9日
mSFT: Addressing Dataset Mixtures Overfitting Heterogeneously in Multi-task SFT
Arxiv
0+阅读 · 3月26日
Autoregressive Appearance Prediction for 3D Gaussian Avatars
Arxiv
0+阅读 · 4月1日
Evaluating Plan Compliance in Autonomous Programming Agents
Arxiv
0+阅读 · 4月28日
AWARE: Audio Watermarking with Adversarial Resistance to Edits
Arxiv
0+阅读 · 3月16日
FSFSplatter: Build Surface and Novel Views with Sparse-Views within 2min
Arxiv
0+阅读 · 3月19日
R3D: Revisiting 3D Policy Learning
Arxiv
0+阅读 · 4月16日
Learning Hyperparameters via a Data-Emphasized Variational Objective
Arxiv
0+阅读 · 4月1日
Fast Spatial Memory with Elastic Test-Time Training
Arxiv
0+阅读 · 4月8日
NRGPT: An Energy-based Alternative for GPT
Arxiv
0+阅读 · 5月1日
Looking Through Glass Box
Arxiv
0+阅读 · 3月6日
Beyond Accuracy: A Unified Random Matrix Theory Diagnostic Framework for Crash Classification Models
Arxiv
0+阅读 · 2月23日
参考链接
微信扫码咨询专知VIP会员
Top