TREVIS 用树 Transformer VAE 学习稀疏且高精度的决策树
Giacomo Fidone · hf · 2026-09-15
Giacomo Fidone 等发布 TREVIS，一种通过 Transformer 变分自编码器学习稀疏决策树的新方法。
方法核心：决策树本质上是离散结构，直接优化困难。TREVIS 将其映射到连续隐空间，用树结构 transformer 变分自编码器对连续隐表示做优化，再解码为决策树，从而联合优化预测准确率与结构稀疏性——在保持树模型可解释性的同时提升性能。
「研究」频道最新
- ImageNet 表征相似只是计算层发现,大脑并非靠分类学视觉 — ShahabBakht · 2026-09-15
- 神经 AI 研究者:反向传播把进化、发育与终身学习混为一谈 — ShahabBakht · 2026-09-15
- k-server 猜想被证明,在线算法理论再下一城 — minilek · 2026-09-15
- 耶鲁物理学家重评前沿模型：多数物理基准被评错，几乎全部饱和 — inductionheads · 2026-09-15
- Negative Self-Distillation:无标签训练让 LLM 学会「避开错误」 — kastnerkyle · 2026-09-15
- 播客:微软研究员用微型网络在 ARC-AGI 拿约 45% — ziv_ravid · 2026-09-15