Learning Thresholds with Latent Values and Censored Feedback
Peking University(北京大学);Harvard University(哈佛大学);Yale University(耶鲁大学);Google Research(谷歌研究院)
研究删失反馈下的潜在空间主动阈值学习,刻画其查询复杂度,并扩展至在线学习,给出紧遗憾界。
2023-12-07 cs.GT cs.LG
Learning Decisions Offline from Censored Observations with ε-insensitive Operational Costs
Lingnan College, Sun Yat-sen University(中山大学岭南学院);School of Business, Sun Yat-sen University(中山大学商学院);School of Business, University of Connecticut(康涅狄格大学商学院)
针对无删失指示符的离线删失观测数据决策问题,提出基于ε不敏感运营成本的方法,定制训练两类ML模型并推导泛化界,实验验证其性能优于现有方法。
2024-08-14 cs.LG
Explainable Censored Learning: Finding Critical Features with Long Term Prognostic Values for Survival Prediction
University of Kentucky(肯塔基大学);Qingdao University(青岛大学)
解释与生存时间相关的复杂生物学过程中涉及的关键变量可以帮助理解生存模型的预测,评估治疗效果,并为患者开发新的治疗方法。目前,基于深度学习(DL)的模型的预测结果比标准生存方法更好或与标准生存方法一样好,但由于缺乏透明度和可解释性,它们经常被忽视,而这对于它们的采用至关重要临床应用。在本文中,我们介绍了一种新的,易于部署的方法,称为可解释的集中学习(EXCEL),迭代地利用关键变量,并同时实现(DL)基于这些变量的模型训练。首先在一个玩具数据集上说明了EXCEL的工作原理,然后对所提出的方法进行了数学分析,推导并证明了泛化误差的严格界,接着在两个半合成数据集上证明了EXCEL具有良好的抗噪能力和稳定性,最后给出了一个实例。最后,我们将EXCEL应用于各种真实世界的生存数据集,包括临床数据和遗传数据,证明EXCEL可以有效地识别关键功能,并实现与原始模型相当或更好的性能。值得指出的是,EXCEL可以灵活地部署在现有或新兴的模型中,用于在存在右删失的情况下解释生存数据。
2022-09-30 cs.LG
Cost of Structural Learning Under Censored Feedback: A Threshold-Bandit Approach
University of Maryland, College Park(马里兰大学学院公园分校)
针对任务仅当联盟达到未知规模阈值时才产生奖励的审查反馈问题,提出阈值激活合作多臂老虎机模型,并通过集中式算法C-TAC实现O(log T)累积遗憾,以及去中心化事件触发协议D-TAC在保持可行性对齐的同时减少23倍通信。
2026-05-26 cs.LG cs.MA
Online Market Making and the Value of Observing the Order Book
Politecnico di Milano(米兰理工大学)
本文研究了在线市场做市问题,其中学习者在与持有私人估值的交易者交互时,依次发布买入和卖出价格。与现有在线学习公式假设完全截断反馈不同,我们引入了受真实限价簿启发的动作依赖反馈模型。我们证明,这种额外信息从根本上改变了问题的学习性。在随机设置中,我们提出了一种消除算法,以高概率达到O(√T)的遗憾,而无需对交易者估值分布的光滑性做出任何假设。然后我们将这一结果扩展到广泛的均值回归价格过程中,考虑了局部自回归动态和基于累积偏离均值的较弱全局漂移条件。在任一假设下,我们建立了高概率O(√T)的遗憾界,依赖于一个新的有趣的集中不等式。最后,在对抗性设置中,我们设计了探索后扰动算法,保证了期望O(T^{2/3})的遗憾。
2026-05-19 cs.LG stat.ML
Counterfactual Risk Minimization: Learning from Logged Bandit Feedback
Cornell University(康奈尔大学)
我们开发了一个学习原理和一个有效的算法,批量学习从记录的强盗反馈。这种学习设置在在线系统中无处不在(例如,广告投放、网络搜索、推荐),其中算法进行预测(例如,广告排名)对于给定输入(例如,查询)并观察Bandit反馈(例如,用户点击呈现的广告)。我们首先通过倾向评分来解决学习问题的反事实性质。接下来,我们证明了泛化误差的范围,占的倾向加权经验风险估计的方差。这些建设性的界限产生了反事实风险最小化(CRM)原则。我们展示了如何CRM可以用来获得一个新的学习方法-称为政策优化指数模型(POEM)-学习随机线性规则的结构化输出预测。我们提出了一个分解的POEM目标,使有效的随机梯度优化。POEM的几个多标签分类问题进行了评估,表现出显着改善的鲁棒性和泛化性能相比,国家的最先进的。
2015-05-20 cs.LG stat.ML
Machine Learning for Online Algorithm Selection under Censored Feedback
Paderborn University(帕德博恩大学);LMU Munich(慕尼黑大学)
在在线算法选择(OAS)中,算法问题类的实例被一个接一个地呈现给代理,并且代理必须从固定的候选算法集合中快速地选择可能是最好的算法。对于可满足性(SAT)等决策问题,质量通常指算法的运行时间。由于已知后者表现出重尾分布,因此当超过预定义的时间上限时,算法通常会停止。因此,用于以数据驱动的方式优化算法选择策略的机器学习方法需要处理右删失样本,这是迄今为止文献中很少关注的问题。在这项工作中,我们重新审视多臂强盗算法的办公自动化系统,并讨论其处理问题的能力。此外,我们使它们适应面向运行时的损失,允许部分删失的数据,同时保持独立于时间范围的空间和时间复杂度。在对ASlib基准测试的改编版本进行的广泛实验评估中,我们证明了基于Thompson采样的理论上有充分依据的方法与现有方法相比具有特别强的性能和改进。
2021-09-13 cs.AI cs.LG
Out-of-Distribution Learning with Human Feedback
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);NIWC Pacific(美国海军信息作战司令部太平洋分部)
针对传统分布外学习依赖统计方法与预定义假设、泛化和检测效果受限的问题,提出结合人类反馈的新型框架,通过标注野外少量有价值样本训练分类器与检测器,经理论验证和实验证明性能显著优于现有最优方法。
2024-08-14 cs.LG stat.ML
Generalization Bounds for Semi-supervised Matrix Completion with Distributional Side Information
该研究提出了一种半监督矩阵补全方法,通过结合分布侧信息,推导出低秩矩阵补全的泛化界限,验证了在推荐系统中显式与隐式反馈交互的有效性。
2025-11-21 cs.LG stat.ML
Detached Error Feedback for Distributed SGD with Random Sparsification
University of Pittsburgh(匹兹堡大学)
通信瓶颈一直是大规模分布式深度学习中的关键问题。在这项工作中,我们研究了分布式SGD与随机块稀疏作为梯度压缩机,这是环allreduce兼容和高计算效率,但导致性能较差。为了解决这一重要问题,我们从一个新的方面,即方差和梯度的二阶矩之间的权衡,提高了通信效率的分布式SGD。基于这种动机,我们提出了一种新的分离式误差反馈(DEF)算法,该算法在非凸问题上显示出比误差反馈更好的收敛界。我们还提出了DEF-A在训练的早期阶段加速DEF的泛化,这表明了比DEF更好的泛化范围。此外,我们首次建立了通信高效的分布式SGD和具有平均值的SGD(SGD-IA)之间的联系。广泛的深度学习实验表明,在各种设置下,所提出的方法有显着的经验改进。
2022-06-13 cs.CV cs.LG stat.ML
Learning to Allocate Resources with Censored Feedback
FairPlay Joint Team, Inria, France(Inria法国团队);CREST, ENSAE, Institut Polytechnique de Paris(Institut Polytechnique de Paris的CREST和ENSAE);University of Illinois, Chicago (UIC)(伊利诺伊大学芝加哥分校);Criteo AI Lab, Paris, France(Criteo巴黎AI实验室)
本文提出RA-UCB和MG-UCB算法,解决具有截断反馈的在线资源分配问题,证明了信息论的下界并验证了理论结果。
2026-10-22 cs.GT cs.LG
Curating Always-Loaded Context for LLM Agents: A Capacitated Assortment Model with Censored Feedback
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Georgia Institute of Technology(佐治亚理工学院);Saint Louis University(圣路易斯大学)
本研究将LLM智能体的上下文策划建模为带删失反馈的容量约束assortment问题,证明最优文件规模上界等结论,发现追加指令或不如选最优子集,还验证无关规则会降低语言模型合规性。
2026-10-09 cs.AI cs.LG math.OC
Best arm identification in multi-armed bandits with delayed feedback
Stanford University(斯坦福大学);University of Michigan(密歇根大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
我们提出了一个泛化的最佳手臂识别问题,在随机多臂土匪(MAB)的设置,每拉一个手臂与延迟反馈。反馈中的延迟增加了标准算法的有效样本复杂度,但是如果我们能够访问在拉取完成之前接收到的部分反馈,则可以抵消延迟。我们提出了一个一般的框架来模拟部分和延迟反馈之间的关系,作为一个特殊的情况下,我们引入有效的算法设置的部分反馈有偏或无偏估计的延迟反馈。此外,我们提出了一种新的扩展算法的并行MAB设置代理可以控制一批武器。我们的实验在现实世界中的设置,涉及政策搜索和超参数优化在计算可持续性领域的快速充电电池和野生动物走廊建设,表明利用部分反馈的结构可以导致显着改善基线在顺序和并行MAB。
2018-03-29 cs.AI cs.LG stat.ML
Generalization bounds for mixing processes via delayed online-to-PAC conversions
Universitat Pompeu Fabra(庞培法布拉大学)
本文将平稳混合过程下的泛化问题归约为延迟反馈在线学习,证明有界 regret 蕴含低泛化误差,并揭示延迟与数据依赖间的权衡及近最优速率。
2025-02-19 cs.LG
Error Feedback Fixes SignSGD and other Gradient Compression Schemes
EPFL(洛桑联邦理工学院)
基于符号的算法(例如signSGD)已经被提出作为一种有偏梯度压缩技术,以缓解在多个工作者之间训练大型神经网络时的通信瓶颈。我们展示了简单的凸反例,其中signSGD不收敛到最优。此外,即使它确实收敛,与SGD相比,signSGD也可能泛化较差。这些问题的出现是因为符号压缩算子的有偏性质。然后,我们表明,使用错误反馈,即将压缩算子的错误纳入下一步,克服了这些问题。我们证明了我们的算法EF-SGD与任意压缩算子达到相同的收敛速度SGD没有任何额外的假设。因此EF-SGD免费实现了梯度压缩。我们的实验彻底证实了理论,并表明错误反馈提高了收敛性和推广。代码可在\url{https://github.com/epfml/error-feedback-SGD}上找到。
2019-05-29 cs.LG math.OC stat.ML
Improved Algorithms for Bandit with Graph Feedback via Regret Decomposition
Shanghai Jiao Tong University(上海交通大学)
针对图反馈赌机问题,提出基于反馈图划分的新算法框架,通过遗憾分解揭示图各部分相互作用,统一并推广了MAB与专家建议学习的最优算法,在多种图族上实现了改进且最优的遗憾界。
2023-08-04 cs.DS cs.LG stat.ML
Conv4Rec: A 1-by-1 Convolutional AutoEncoder for User Profiling through Joint Analysis of Implicit and Explicit Feedbacks
本文提出Conv4Rec,一种1×1卷积自编码器,联合学习隐式和显式反馈以进行用户建模,能分别预测消费与评分概率,并提供泛化界,在真实数据集上达到最先进性能。
2025-09-09 cs.LG
Generalization bounds and sample complexity for remaining useful life prediction from complete degradation trajectories
研究数据驱动的剩余使用寿命预测中样本复杂度问题,通过建立泛化界等七个围绕三个主题的结果,给出基本学习率,量化领域知识作用及数据质量影响,提供闭式表达式,跨域验证结果,为相关应用提供实用指南。
2026-07-28 cs.LG
Optimal No-regret Learning in Repeated First-price Auctions
Center for Data Science, New York University(纽约大学数据科学中心);Stern School of Business, New York University(纽约大学斯特恩商学院);Department of Electrical Engineering, Stanford University(斯坦福大学电气工程系)
针对重复第一价格拍卖中仅能观测中标价的审查式反馈问题,提出基于偏序上下文老虎机的框架及结合收益函数的样本高效算法,分别在随机和对抗私有估值场景下取得近似最优悔界。
2024-03-04 cs.GT cs.IT cs.LG
Small Enough to Know Everything: The Fully-Enumerable Transformer as an Instrument for the Science of Delayed Generalization
本研究将完全可枚举任务上的小型Transformer作为科学仪器,通过预注册的守恒研究验证三条任务侧定律在12K至50M参数规模下的普适性,发现两条守恒、一条系统性变形,证明该范式可揭示延迟泛化的可测量规律。
2026-09-21 cs.LG
Accelerated Sparsified SGD with Error Feedback
NTT DATA Mathematical Systems Inc.(NTT数据数学系统公司);The University of Tokyo(东京大学);RIKEN(理化学研究所)
研究了同步分布优化问题的随机梯度法。为了降低通信成本,我们特别关注利用通信梯度的压缩。一些工作已经表明,{ \it{sparsified} }随机梯度下降法(SGD)与{ \it{error feedback} }渐近实现相同的速度(非稀疏)并行SGD。然而,从非渐近行为的角度来看,压缩误差可能会导致在早期迭代中比非稀疏SGD收敛更慢。这在实际情况中是有问题的,因为通常采用提前停止来最大化学习模型的泛化能力。为了改进已有的结果,本文提出了一种结合{ \it{Nesterov's acceleration} }的误差反馈稀疏随机梯度法,并进行了理论分析。它表明,必要的每迭代通信成本保持相同的速度香草SGD可以小于非加速方法在凸,甚至在非凸最优化问题。这表明我们提出的方法比以前的方法更好地利用压缩信息。数值实验和经验验证了我们的理论研究结果。
2020-06-19 cs.LG math.OC
Generalization Guarantees for Imitation Learning
Princeton University(普林斯顿大学)
由于不完善的演示或模仿学习算法无法准确推断专家的策略,来自模仿学习的控制策略通常无法推广到新的环境。在本文中,我们提出了严格的泛化保证模仿学习,利用可能近似正确(PAC)贝叶斯框架,以提供在新的环境中的政策的预期成本的上限。我们提出了一个两阶段的训练方法,其中一个潜在的政策分布是第一次嵌入多模态的专家行为,使用条件变分自编码器,然后“微调”在新的训练环境中显式优化的泛化范围。我们展示了强大的泛化边界和他们的紧密性相对于经验性能的模拟(一)抓住不同的杯子,(二)平面推动视觉反馈,(三)基于视觉的室内导航,以及通过硬件实验的两个操作任务。
2020-12-03 cs.LG cs.RO cs.SY
Stochastic convex optimization with bandit feedback
University of California, Berkeley(加州大学伯克利分校);University of Pennsylvania(宾夕法尼亚大学);Microsoft Research(微软研究院)
针对带强盗反馈的随机凸优化问题,提出椭球算法的推广,实现$\otil(\poly(d)\sqrt{T})$遗憾,在$T$的尺度上最优。
2011-10-08 cs.LG cs.SY eess.SY
Improving Generalization in Mountain Car Through the Partitioned Parameterized Policy Approach via Quasi-Stochastic Gradient Descent
University of Florida(佛罗里达大学)
强化学习的问题,找到一个控制策略,最大限度地减少了最小的时间目标的山地车环境。特别地,对一类参数化非线性反馈策略进行了优化,使其在最短时间内到达最高峰的顶点。采用准随机梯度下降(qSGD)方法进行优化。在试图找到最佳的最小时间的政策,一个新的参数化的政策方法被认为是寻求学习的状态空间的不同区域的最佳政策参数,而不是依赖于一个单一的宏观政策参数的整个状态空间。这种分区的参数化政策的方法被证明优于统一的参数化政策的方法,并导致更大的推广比以前的方法,其中山地车成为被困在状态空间中的圆形轨迹。
2021-05-28 cs.AI cs.LG cs.SY
Spatial Supply Repositioning with Censored Demand Data
Rotman School of Management, University of Toronto(多伦多大学罗特曼管理学院);Stanford University(斯坦福大学);Faculty of Engineering and Faculty of Business and Economics, University of Hong Kong(香港大学工程学院和商学院)
针对单向车辆共享网络,提出基础库存重定位策略并证明其渐近最优性,设计替代优化与自适应重定位算法达到最优遗憾,凸显简单策略的实用价值。
2025-10-17 cs.LG math.OC stat.ML
Reinforcement Learning with Sparse Rewards using Guidance from Offline Demonstration
Texas A&M University(得克萨斯农工大学)
现实世界中的强化学习(RL)的主要挑战是奖励反馈的稀疏性。通常,可用的是直观但稀疏的奖励函数,仅指示任务是部分完成还是全部完成。然而,缺乏精心设计的细粒度反馈意味着大多数现有的RL算法无法在合理的时间范围内学习可接受的策略。这是因为策略在获得任何有用的反馈之前必须执行大量的探索操作。在这项工作中,我们通过开发一种算法来解决这个具有挑战性的问题,该算法利用次优行为策略生成的离线演示数据,在这种稀疏奖励设置中实现更快,更有效的在线RL。所提出的算法,我们称之为学习在线离线指导(ESTA)算法,合并了一个政策改进的步骤,通过使用离线演示数据的一个额外的政策指导步骤。其关键思想是,通过从离线数据中获得指导(而不是模仿),以次优策略的方式调整其策略,同时能够学习超越并接近最优。我们提供了我们的算法的理论分析,并提供了一个下界的性能改善,在每个学习情节。我们还将我们的算法扩展到更具挑战性的不完整观测设置,其中演示数据仅包含真实状态观测的删失版本。我们证明了我们的算法优于国家的最先进的方法在一些基准环境与稀疏的奖励和审查状态。此外,我们证明了我们的方法的价值,通过实现轨迹跟踪和避障的移动机器人,在那里它表现出优异的性能。
2022-02-13 cs.AI cs.LG
A transfer learning framework for weak-to-strong generalization
University of Michigan(密歇根大学);IBM Research(IBM研究院);MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室)
本文提出将弱到强泛化建模为潜在概念先验的迁移学习问题,证明朴素微调存在根本局限,而基于修正的方法可克服该局限并适用于多项 LLM 对齐任务。
2025-03-14 cs.LG stat.ML
Feedback Favors the Generalization of Neural ODEs
Beihang University(北京航空航天大学);Nanyang Technological University(南洋理工大学)
本文提出一种带反馈回路的二自由度神经网络,通过线性与非线性反馈校正神经ODE学习到的潜在动态,在未见场景中显著提升泛化能力,并在轨迹预测和四旋翼控制中优于现有方法。
2025-03-07 cs.AI cs.LG cs.NE
Learning Lipschitz Feedback Policies from Expert Demonstrations: Closed-Loop Guarantees, Generalization and Robustness
University of California, Riverside(加州大学河滨分校)
在这项工作中,我们提出了一个框架来学习反馈控制政策,保证闭环泛化和对抗鲁棒性。这些策略是直接从专家演示中学习的,包含在状态控制输入对的数据集中,而不需要任务和系统模型的任何先验知识。我们使用Lipschitz约束的损失最小化方案来学习具有认证的闭环鲁棒性的反馈策略,其中Lipschitz约束作为一种机制来调整泛化性能和对对抗性干扰的鲁棒性。我们的分析利用Lipschitz属性获得闭环保证的泛化和鲁棒性的学习政策。特别是,我们推导出一个有限的样本界的策略学习错误和建立鲁棒闭环稳定下学习的控制策略。我们还得到了关于专家政策和有界(对抗性)的状态测量干扰下的闭环性能恶化的闭环遗憾的界限。数值结果验证了我们的分析,并证明了我们的鲁棒反馈策略学习框架的有效性。最后,我们的研究结果表明,标称闭环性能和对抗性鲁棒性之间存在潜在的权衡,并且标称闭环性能的改善只能以牺牲对抗性扰动的鲁棒性为代价。
2022-01-20 cs.LG cs.SY eess.SY
Nearly Tight Bounds for Cross-Learning Contextual Bandits with Graphical Feedback
School of Data Science Fudan University(复旦大学数据科学学院)
研究具有图形反馈的交叉学习上下文博弈,在遗忘对抗损失模型下,针对强可观测图给出肯定答案,算法通过隔离无自环动作、悲观校正等实现\(\widetilde O(\sqrt{\alpha T})\)期望遗憾,实验展示相关好处及缩放。
2026-07-28 cs.LG
How Well Can Preference Optimization Generalize Under Noisy Feedback?
Department of Computer Sciences(计算机科学系);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文研究了在噪声反馈下偏好优化的一般化能力,分析了不同噪声类型和强度对模型性能的影响,并验证了其在实际LLM训练中的有效性。
2026-01-30 cs.LG
Systematic human learning and generalization from a brief tutorial with explanatory feedback
Stanford University(斯坦福大学)
长期以来,神经网络一直被用于模拟人类智能,捕捉行为和认知的元素及其神经基础。深度学习的最新进展使神经网络模型在许多方面达到甚至超过了人类的智力水平,但与人类不同的是,它们快速学习新任务的能力仍然是一个挑战。人们不仅可以在熟悉的领域进行推理,而且还可以通过新的问题和情况快速学习推理,这就提出了一个问题:现代神经网络模型在多大程度上捕捉了人类智能,以及它们在哪些方面存在分歧。在这项工作中,我们探讨了这一差距,调查人类成年人的能力,学习抽象推理任务的基础上,数独从一个简短的教学教程与解释性反馈不正确的反应,使用范围狭窄的训练样本。我们发现,掌握任务的参与者在少量的试验中做到了这一点,并且很好地概括了训练范围之外的谜题。我们还发现,大多数掌握任务的人可以描述一个有效的解决方案的策略,这样的参与者表现更好的转移难题比那些策略描述是模糊或不完整的。有趣的是,只有不到一半的人类参与者成功地获得了有效的解决方案策略,而这种能力与高中数学教育有关。我们认为,这些研究结果构成的挑战,建立计算模型,捕捉我们的研究结果的各个方面,并指向一个可能的角色,学习从事基于推理的推理,以支持快速学习和泛化。
2023-03-29 cs.AI cs.LG cs.SC
Online Influence Maximization under Independent Cascade Model with Semi-Bandit Feedback
Adobe Research(Adobe研究院);INRIA Lille - Nord Europe(法国里尔-北欧信息与自动化研究所);University of British Columbia(不列颠哥伦比亚大学)
研究了独立级联模型下社交网络中的在线影响力最大化问题。具体来说,我们的目标是学习的“最佳影响者”在社交网络在线,同时反复与它互动。我们解决的挑战(i)组合动作空间,因为可行的影响者集的数量呈指数增长的影响者的最大数量,和(ii)有限的反馈,因为只有网络的影响部分被观察到。在随机半强盗反馈下,我们提出并分析了IMLinUCB,一种计算效率高的基于UCB的算法。我们的边界上的累积遗憾是多项式在所有数量的利益,实现接近最优的依赖于相互作用的数量,并反映了网络的拓扑结构和激活概率的边缘,从而提供了洞察问题的复杂性。据我们所知,这是第一个这样的结果。我们的实验表明,在几个有代表性的图形拓扑结构,IMLinUCB规模的遗憾,建议我们的上限。IMLinUCB允许线性推广,因此在统计和计算上都适用于大规模问题。我们的实验还表明,在现实世界的在线影响力最大化中,具有线性泛化的IMLinUCB可以导致低遗憾。
2018-06-19 cs.AI cs.LG cs.SI
Machine Learning for German Redispatch Forecasting under Data Delays and Temporal Distribution Shift
KIST Medical College and Teaching Hospital(KIST医学院教学医院);OTH Regensburg(雷根斯堡应用技术大学)
针对德国再调度数据延迟与分布偏移,比较多种概率模型,发现滚动校准的LightGBM预测最优,但极端拥堵时覆盖率不足。
2026-10-07 cs.LG cs.SY eess.SY
Offline RLAIF: Piloting VLM Feedback for RL via SFO
Jacob Beck 1
针对离线强化学习中如何整合 VLM 反馈的挑战,提出子轨迹过滤优化(SFO)框架,并设计子轨迹过滤行为克隆(SFBC)方法,通过回顾性过滤机制移除失败前的子轨迹,显著提升了基于视觉反馈的智能体学习的鲁棒性。
2025-09-14 cs.AI cs.LG
Retrieval Enhanced Feedback via In-context Neural Error-book
School of CSE Chung-Ang University(计算机科学与工程学院 Chung-Ang 大学)
REFINE通过结构化反馈框架,系统分析并缓解多模态推理中的错误,提升推理效率和可扩展性。
2025-12-16 cs.AI cs.CL cs.LG