在背景分布变化下的开放集领域自适应:挑战与可证明高效的解决方案
HuggingFace Daily Papers · · 发布于 2026-09-11 · 1 分钟阅读
arXiv:2512.01152v5 发布类型:替换交叉 摘要:当我们在现实世界中部署机器学习系统时,一个核心挑战是即使在数据发生变化时也能保持模型的高性能。这种变化可能有多种形式:可能会出现在训练期间不存在的新类别
要点 1
arXiv:2512.01152v5 发布类型:替换交叉 摘要:当我们在现实世界中部署机器学习系统时,一个核心挑战是即使在数据发生变化时也能保持模型的高性能。
要点 2
这种变化可能有多种形式:可能会出现在训练期间不存在的新类别
SOURCES
共 1 个来源