DISC框架评估时序数据集迁移相似度
热点事件持续更新
DISC框架评估时序数据集迁移相似度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Adobe Research、Dolby与阳明交大提出DISC（Domain-Integrated Similarity Cost）可学习框架，用于评估时序数据集迁移时的相似度。该框架利用校准迁移观测，依据不同下游任务选择、加权并组合相似度指标，仅凭指标值即可为源数据集与目标数据集配对打分，以预测下游任务中的迁移表现。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 16:17
Adobe Research、Dolby 与阳明交大提出 DISC 可学习框架，校准并组合时序数据集相似度指标报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI HuntAdobe Research、Dolby 与阳明交大提出 DISC 可学习框架，校准并组合时序数据集相似度指标
Adobe Research、Dolby 与阳明交大的论文提出 DISC（Domain-Integrated Similarity Cost），用于评估时序数据集迁移预测的相似度。该框架利用校准迁移观测，为不同下游任务选择、加权并组合相似度指标，仅凭指标值即可为源-目标数据对打分，以更好预测下游预测任务的迁移表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。