多示例学习中的再现性：算法单元测试的案例
原文中文，约400字，阅读约需1分钟。发表于：。在本研究中，我们调查了五种具有代表性的深度多实例学习模型，并发现这些模型都没有遵守标准的多实例学习假设。它们能够学习到相互反相关的实例，即在看到反例之前默认为 “正例”，这在一个正确的多实例学习模型中是不可能发生的。我们怀疑从这些模型派生的增强方法和其他工作也存在相同的问题。这种错误的学习可能导致操作失误，因此在使用这些模型的任何情况下，都存在潜在的风险。我们提出了一种 “算法单元测试”...
本研究发现五种深度多实例学习模型未遵守标准假设，提出了算法单元测试方法来鉴别问题，并创建了合成数据集。每种评估方法都未能通过测试，为识别建模假设的违规提供了方法。
