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.
확률적 샘플링은 인식론적으로 얕다: LLM에서 온도 변동과 모델 다양성 간 차원 격차
FlowEdit: 갈등을 수반하는 부적정 문제에서 LLM 추론 흐름의 정보 이론적 제어
How Robust Is Homogeneity Bias in LLMs? Evidence Across Models, Decoding Settings, and Identity Signals
지배적 vs. 피지배적: 디퓨전 모델의 개념 수준 생성 붕괴
The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population
IConE: 자기지도 표현 학습을 위한 배치 독립적 붕괴 방지
능동 추론을 통한 사회적 현실 구성: 순응과 창의성의 변증법적 관계 모델링
프리스매틱 합성: 그래디언트 기반 데이터 다양화가 LLM 추론 일반화를 향상시킨다
비평형 Langevin 컴퓨팅에서의 모멘트 분해 읽기와 리저버 다양성
대규모 언어 모델이 인간의 구어 의사소통에 미치는 영향에 대한 실증적 증거
Verbalized Sampling: 모드 붕괴 완화 및 LLM 다양성 확보 방법
MAPS: 다중 에이전트 인지 대화에서 공존하는 주관적 관점과 공유 의미 모델링
실행 인식 LLM 연구 아이디어 생성을 위한 예산 기반 부분집합 정제(Budgeted Subset Refinement)
책임 있는 AI 글로벌 지수: 2026 보고서
ANet Patu-1: 에이전트 네트워크에서 연결의 가치
아름다움이 유용함을 뜻하지 않을 때: 현대 텍스트-이미지 모델이 신뢰할 수 있는 학습 데이터 생성기로 실패하는 이유
SwinAD: 비지도 산업 이상 탐지를 위한 다단계 특징 재구성
선택성이 효율을 견인한다: 시각적 장소 인식을 위한 데이터셋 가지치기
FairCoder: 코딩 과제를 통한 고위험 의사결정에서 LLM 바이어스 탐색
GFlowRL: 대규모 언어 모델로 분포 매칭 강화학습 확장
언어 모델을 위한 표현 기반 탐험: 테스트 시간에서 사후 학습까지
무작위 클럭을 통한 Heavy-Tailed Flow Matching
SPECS: 종 분화 진화적 회로 합성
완전 AI 생성 이미지 탐지: 정의, 최근 진전과 도전 과제
공정하고 효율적인 악성 분류를 위한 다양한 피부과 영상의 제어 가능한 생성
은하수를 여행하는 히치하이커를 위한 단일 문화 안내서
블랙박스를 조종할 수 있는가? 협력 에이전트 기반 추천 시스템의 제어 가능성 중심 평가
꼬리를 키우다: 대규모 언어 모델의 출력 다양성 확대
QDEvo: 자동 휴리스틱 설계를 위한 다목표 품질-다양성 프레임워크
구조 최적화를 위한 수리 기반 제약 처리를 갖춘 새로운 이중 집단 제약 다중 목표 진화 최적화 알고리즘
다양성 강화 Option-Critic
대규모 추론 모델을 위한 적응형 자기 증류 기반 엔트로피 보존 지도 미세조정
미러 호라이즌: 유한 반사의 척도로서의 가능 경로 엔트로피
분산 경사하강법: 병목 구간과 예산 복잡도
에이전트형 AI와 호환되는 심층 학습을 위한 메트릭 기반 합성 이미지 데이터 렌더링
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.