Papers with Code 아카이브
Diversity
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 0
- 보존된 평가 기록
- 0
Diversity in data sampling is crucial across various use cases, including search, recommendation systems, and more. Ensuring diverse samples means capturing a wide range of variations and perspectives, which leads to more robust, unbiased, and comprehensive models. In search use cases, for instance, diversity helps avoid redundancy, ensuring that users are exposed to a broader set of relevant information rather than repeated similar results.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
개방형 텍스트 생성에서 일관성과 다양성의 참조 기반 분석
목표 수가 변하는 동적 다목적 최적화를 위한 비유계 아카이브 기반 전이 전략
AdaDim: SSL 표현 역학을 위한 차원성 적응
개념 병목 모델을 위한 라쇼몽 슬라이스의 매개변수 효율적 구축
Agora: 집단적 자동 연구를 위한 공유 메모리로서의 Git
WTF?! Wasserstein-Tilted Flow Maps를 이용한 시뮬레이션 없는 강화학습
FLEET: 텍스트 생성에서 로짓 엔트로피로부터 향상된 궤적으로
비용 효율적 공간 전사체학을 위한 능동적 스팟 선택 벤치마킹
CART: 대규모 언어 모델을 위한 폐루프 적응형 레드팀 테스팅
공간 트랜스포머로 추론 공간에서 AI 에이전트 집합체 제어
종단적 생애 궤적을 활용한 LLM 에이전트의 정체성 본질주의 완화
AI 작성자는 일관된 문체 측정학적 흔적을 남기지만, AI 편집자는 그렇지 않다
다국어 저자원 감정 탐지를 위한 멀티 에이전트 LLM에서 토폴로지와 다양성의 분리 분석
FineWeb-CLaR: 벤치마크 정렬 코퍼스 감사를 위한 문화·언어·지역 어노테이션
반복 샘플링을 넘어서: LLM 추론을 위한 탐색 정책 학습
VOLTA: 변분 상호정보 극대화 오토인코더를 통한 생성 다양성 향상
더 나은 합성 데이터를 원하시나요? 스티어링하세요: 저자원 언어 생성을 위한 활성화 스티어링
복잡한 추론 작업을 위한 서브골 탐색
바이어스가 있는 AI는 인간 성과를 향상시키지만 인식된 유용성은 낮춘다
AI 집단에서의 사회적 영향력과 과학적 관심의 배분
인공 숙의 군중의 지혜
자율 재료 발견에서 발산하는 전략과 수렴하는 결과
EDGEGEN: 합성 엣지 케이스 생성으로 행복 경로(happy path)를 넘어서는 도구 호출 에이전트 개선
볼록 AI 합성성과 AI 시스템 집단 거버넌스
CrossDistill: 궤적 수준 하이브리드 소수 스텝 증류를 통한 품질과 다양성의 균형
플로우 매칭(Flow Matching)에서의 분류기 없는 가이던스(Classifier-Free Guidance): 비자율 포텐셜, 오버슈트, 그리고 사후 평균 제어
VPRune: 효율적인 학습 없는 LLM 이전 비주얼 토큰 가지치기
차량 경로 문제에서 유도 국소 탐색 학습을 위한 행동 기반 니칭 유전 프로그래밍
심층 강화학습을 위한 효율적인 다양성 기반 경험 재생
비유사도 공간에서의 품질-다양성
비가우시안성 없는 다중 뷰 인과 발견: 식별 가능성 및 알고리즘
GFlowNet과 변분 추론
기계 속 CASPER: LLM 생성 이야기의 인물 다양성에 대한 통찰
궤적 균형(Trajectory Balance): GFlowNet에서의 크레딧 할당 개선
더 빠른 베이지안 최적화를 위한 그래디언트 기반 샘플 선택
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.