Das Paper konzentriert sich auf die Verbesserung der OOD-Erkennung durch die Einführung des OOD-R-Datensatzes mit geringem Rauschpegel und die Implementierung der AktFun-Methode zur Verbesserung der Modellstabilität und Genauigkeit. Durch die Datenreinigung werden bis zu 2,5% Verbesserung der Genauigkeit und mindestens 3,2% Reduktion der Falsch-Positiven erreicht. Die AktFun-Methode führt zu erheblichen Leistungssteigerungen in verschiedenen OOD-Erkennungsmethoden. Es wird betont, wie wichtig die Datenintegrität für die Genauigkeit von Algorithmen ist.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Yingrui Ji,Y... о arxiv.org 03-07-2024
https://arxiv.org/pdf/2403.03412.pdfГлибші Запити