Apple ML Research 提出实例级视觉错误切片发现方法
Apple ML Research · rss · 2026-07-27
Apple ML Research 提出 GH-ESD（Grounded Hypothesis-Driven Error Slice Discovery），用于在实例级视觉任务中发现系统性错误切片，面向目标检测、分割等场景。
- 论文指出，现有错误切片发现方法多把切片建模为表示空间中的聚类，或预定义属性的组合，这在图像级分类上还算有效，但对实例级任务不够用。
- 在检测和分割里，模型失败常常来自上下文关系、空间布局和语义上连贯的视觉模式，而不是简单的特征簇。
- GH-ESD 的目标，就是围绕这些“有 grounding 的视觉模式”来挖掘错误切片，从而更好地做鲁棒性分析与评估。
「研究」频道最新
- 新论文 PFD 统一解释 SDS 模式坍缩，蒸馏收敛更快方差更低 — burny_tech · 2026-09-23
- 剑桥出版高维统计新教科书,Samworth 与 Shah 合著免费开放 — FrnkNlsn · 2026-09-23
- Reinforce-Ada:按难度自适应分配算力,RLVR 收敛加速至 2 倍 — burny_tech · 2026-09-23
- 论文:Transformer 并非没有世界模型,而是特征叠加互相干扰 — burny_tech · 2026-09-23
- 新论文称 Transformer 难以学会 loop-closure 世界建模 — burny_tech · 2026-09-23
- Epoch AI 报告:「思考」的价格正在暴跌,智能成本持续陡降 — Proper_Actuary2907 · 2026-09-23