Всемерное обучение путем отбора проб

arXiv: 2607.07680v2 Annuales Type: заменить резюме: многие модели машинного обучения определяются для входных данных различных размеров, таких как точечные облака с различными числами точек, последовательности символов различной длины и графики на разных количествах узлов. Такие модели обучаются по многим примерам ограниченного размера. Насколько хорошо эти модели обобщают вводимые ресурсы небольшого размера до более крупных вводимых ресурсов такого масштаба, которые не видны во время обучения? Кроме того, оценка таких моделей на крупных вводимых ресурсах зачастую сопряжена с большими затратами. Как мы можем нарисовать большие вводимые данные, чтобы получить более мелкие, с помощью которых модель принимает аналогичные значения? В центре обоих вопросов находится необходимость сопоставления вводимых ресурсов различных размеров и приближения крупных вводимых данных к небольшим. Мы предлагаем единый подход к решению этих вопросов путем использования карт выборочной выборки для сопоставления вводимых данных различных размеров. Карты проб, которые мы рассматриваем, представляют собой обобщения выборки с заменой, случайным утилизацией и отбором образцов видов. W