CW-BASS v2：基于基础模型的半监督分割伪标签选择新法
ebenworks · hf · 2026-08-14
CW-BASS v2 提出了一种针对半监督分割任务的伪标签选择新方法，主要应用于由基础模型作为教师模型的场景。
该方法的核心在于：通过在预留数据上测量教师模型的可靠性来筛选伪标签。为了避免在置信度饱和时产生确认偏差，系统会采取严格过滤或设置自适应下限（adaptive floor）的策略，从而提升分割训练的鲁棒性。
「研究」频道最新
- SKILLER：面向小模型的强化学习技能提取新框架 — opendatalab · 2026-08-14
- 神经外科医生借 GPT-5.6 证明困扰线性代数 20 年的数学猜想 — New_Equinox · 2026-08-14
- 印度初创公司结合 AI 与嗅癌犬，早期癌症检测敏感度达 90% — Polymarket · 2026-08-14
- DHS 原始论文中文翻译发布 — sujingshen · 2026-08-14
- 中国电信 TeleAI 发布无人机卫星极窄带宽传输方案 — FellMentKE · 2026-08-14
- AI测试得分1753碾压人类？偏好打分机制被指更看重排版而非正确性 — Spiritual_Heron_5680 · 2026-08-14