会员服务
测试集，在AI领域多指机器学习模型训练完成后，用于其测试的数据，以观测其性能以及泛化能力。
RoSE: Round-robin Synthetic Data Evaluation for Selecting LLM Generators without Human Test Sets
Arxiv
0+阅读 · 6月15日
From Affect Prediction to Affect Forecasting: Evidence for Distinct Information Sources in Longitudinal Text
Arxiv
0+阅读 · 6月15日
Polyp-D2ATL: Deep Domain-Adaptive Transfer Learning for Colorectal Polyp Classification under Label Distribution Shift
Arxiv
0+阅读 · 6月12日
AERMANI-PLACE: Language Guided Object Placement with Aerial Manipulators
Arxiv
0+阅读 · 6月12日
Apply2Isar: Automatically Converting Isabelle/HOL Apply-Style Proofs to Structured Isar
Arxiv
0+阅读 · 5月30日
Spiking the training data to correct for test set contamination
Arxiv
0+阅读 · 6月8日
Robust Differential Evolution via Nonlinear Population Size Reduction and Adaptive Restart: The ARRDE Algorithm
Arxiv
0+阅读 · 5月26日
A Retrospective Benchmark of Spatiotemporal Covariates for Daily Active-Fire Detection in Cerrado Conservation Units
Arxiv
0+阅读 · 6月2日
CapBencher: Give Your LLM Benchmark a Built-in Alarm for Test-Set Overfitting
Arxiv
0+阅读 · 5月30日
Robust Differential Evolution via Nonlinear Population Size Reduction and Adaptive Restart: The ARRDE Algorithm
Arxiv
0+阅读 · 5月4日
ABD: Default Exception Abduction in Finite First Order Worlds
Arxiv
0+阅读 · 5月3日
CoverageBench: Evaluating Information Coverage across Tasks and Domains
Arxiv
0+阅读 · 3月20日
Randomness as Reference: Benchmark Metric for Optimization in Engineering
Arxiv
0+阅读 · 4月16日
Data-Prompt Co-Evolution: Growing Test Sets to Refine LLM Behavior
Arxiv
0+阅读 · 3月24日
AMALIA Technical Report: A Fully Open Source Large Language Model for European Portuguese
Arxiv
0+阅读 · 3月27日
参考链接
微信扫码咨询专知VIP会员
Top