Stu-tU 提出 RANSAC 评分新法,经 128 倍失准仍选对模型
ducha_aiki · x · 2026-09-09
- 介绍 Stu-tU:号称「RANSAC 评分的正确做法」,基于失准测试(miscalibration test)
- 只需在验证集上调一次分数,即可承受高达 128 倍的尺度失准;传统基于阈值的分数在这种情况下会失效,Stu-tU 仍能选出正确模型
- 作者预告将有刷新 SoTA 的新 RANSAC 方法发布
「研究」频道最新
- ramez：数学题成功率随测试时算力呈对数线性递减收益 — sebkrier · 2026-09-09
- 本周必读论文清单：环形 MoE 缩放律、世界模型物理评测等十余篇 — TheTuringPost · 2026-09-09
- 论文揭示 Agent 记忆更新后计划仍是旧的,PLANFENCE 拦下全部失效动作 — rohanpaul_ai · 2026-09-09
- 仅54万参数机器人策略拿95%成功率，比π0.5少7700倍参数 — ChongZzZhang · 2026-09-09
- 上海AI实验室提出首个智能体认知风险三层系统分类框架 — jiqizhixin · 2026-09-09
- 测试时算力新想象:一万实例通过留言板互相影响 — mertdumenci · 2026-09-09