BriefGPT - AI 论文速递
·
通过对比片段选择样本以应对噪声标签回归
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种名为ConFrag的新方法，旨在解决噪声标签的回归问题。通过将数据转化为不连贯片段对，ConFrag提高了样本选择的准确性，并在处理标签噪声时表现优异，超越了十四个基线方法，展现出强大的鲁棒性。
🎯
关键要点
- 本研究提出了一种名为ConFrag的新方法。
- ConFrag旨在解决噪声标签的回归问题。
- 该方法通过将回归数据转化为不连贯且对比的片段对，增强样本选择的准确性。
- 研究表明，ConFrag在处理标签噪声时表现优异。
- ConFrag显著超越了十四个先进的基线方法，展现出强大的鲁棒性。
➡️
