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.
Thinking Outside the (Gray) Box: 신경망 텍스트 생성에서 가치와 독창성을 평가하는 문맥 기반 점수
궤적 우선 접근법: 다양한 정책 발견을 위한 커리큘럼
Exploring Sparsity for Parameter Efficient Fine Tuning Using Wavelets for Vision
3D 장면 생성: 종합 조사
인증된 보간 오버샘플링: 불균형 학습을 위한 인스턴스별 안전성 보장
CADSpotting: 대규모 CAD 도면에서의 강건한 팬옵틱 심볼 탐지
PolyAlign: 조건부 인간 분포 정렬
Modeling Long-Term Memory and Temporal Attention Shifts for Video Salient Object Ranking with a New Benchmark
품질-다양성 레드팀 테스팅: 대규모 언어 모델을 위한 고품질 다각화 공격자 자동 생성
Dual-Force: 모방 제약 조건 하에서 향상된 오프라인 다양성 극대화
이미지 복잡도 표현을 위한 대조 학습
FMOPF: AC 최적 전력 흐름을 위한 제약 인식 상호작용 사전 기반 잠재 플로우 매칭
올인원: 평균장 게임 설계로서의 생성 모델링
다목적 최적화를 위한 진화 알고리즘에서 동적 개체군 크기로 인한 증명 가능한 속도 향상
다국어 지시 미세조정에는 최적의 언어 집합이 존재하지 않는다: 언어학적 정보 기반 연구의 통찰
나한테 말하는 거야?: 영화 각본의 성별 화자-수신자 패턴 네트워크 분석
ADAGE: 유추적 추론 평가를 위한 언어 무관 파이프라인
다양한 디퓨전 샘플링을 위한 매니폴드 제약 노이즈 최적화
DecoupleMix: 확장 가능한 VLM 데이터 레시피를 위한 분리형 비율 탐색 및 볼록 할당
CuraWeb: 웹 규모 사전학습 데이터의 품질, 중복, 다양성 공동 최적화
베이지안 반복 패널티: 자기회귀 언어 모델에서 어텐션 붕괴를 역전하기 위한 원칙적 인접-조건부 프레임워크
RareLens: 분기하는 대규모 언어 모델 추론 정렬을 통한 종단 간 희귀질환 진료
NeurGO: 메타 블랙박스 고비용 최적화를 위한 엘리트 후보 생성 학습
Natural Language Autoencoder를 이용한 Qwen2.5-7B의 잠재적 콜롬비아 정체성 추론 프로빙
더 작은 모델은 GRPO의 정책 수준 다양성을 위한 자연스러운 탐험자
팩터 그래프를 통한 서브샘플링을 위한 진화 인식 MSA 추론
PinEqualizer: Pinterest의 전체 퍼널 콘텐츠 탐색 및 디바이어싱 시스템
LLM 기반 선호도 에이전트의 공동 설계: 참여가 과신을 유발할 수 있다
ACME: 다문화, 다중 체형 사회적 내비게이션 데이터셋
IDEAgent: 연구 아이디어 생성을 위한 에이전트형 품질-다양성(Quality-Diversity) 검색
토큰 수준 엔트로피가 드러내는 대규모 언어 모델의 인구통계적 격차
StackingNet: 독립 AI 기초 모델 간 집합적 추론
MoE 라우팅은 허프만 코딩인가? 사고의 연쇄에서 발견한 빈도-다양성 법칙
더 많을수록 더 나은 것은 아니다: LLM 의견 다양성에 중요한 것은 무엇인가?
Rushes: 다원적 정렬을 위한 인간 선호 데이터셋
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.