诊断方法分离动态链路预测时间信息效应
热点事件持续更新
诊断方法分离动态链路预测时间信息效应
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Ilia Karpov 等在 arXiv 发布论文,提出用交叉诊断方法将时间戳置换实验中的性能差距拆分为训练条件与评估历史两类影响,并测量模型输入暴露程度,以诊断动态链路预测模型对时间信息的利用。 该研究在 MOOC 数据集上的结果显示:TCL 模型用原始时序训练带来约 8.03 个 pairwise-accuracy 点的提升,而在固定权重下改变历史仅带来 0.03 点;抑制显式时间编码后,训练对比从 8.03 点降至 3.64 点。
AI 根据报道生成 · 13 分钟前更新
最新进展11月20日 13:00
解读动态链接预测中的时间戳置换报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI解读动态链接预测中的时间戳置换
一项 arXiv 研究用交叉诊断方法将时间戳置换实验中的性能差距拆分为训练条件与评估历史两类影响,并测量模型输入暴露程度。在 MOOC 数据集上,TCL 原始时序训练带来约 8.03 个 pairwise-accuracy 点的提升,而固定权重下改变历史仅带来 0.03 点;抑制显式时间编码使训练对比从 8.03 降至 3.64 点。
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。