ICML

Pliable rejection sampling

可塑性拒绝采样

Akram Erraqabi, Michal Valko, Alexandra Carpentier, Odalric-Ambrym Maillard

机构 * INRIA Lille - Nord Europe（INRIA里尔-北欧洲） 纠错

AI总结 本文提出可塑性拒绝采样方法，通过核估计学习采样提议，提高拒绝率并保证接受样本数量。

Comments In ICML 2016

Conditional anomaly detection using soft harmonic functions: An application to clinical alerting

基于软谐波函数的条件异常检测：一项应用于临床警报的应用

Michal Valko, Hamed Valizadegan, Branislav Kveton, Gregory F. Cooper, Milos Hauskrecht

机构 * Computer Science Department, University of Pittsburgh, PA（匹兹堡大学计算机科学系） ； Technicolor, Palo Alto, PA（Technicolor公司） ； Department of Biomedical Informatics, University of Pittsburgh, PA（匹兹堡大学生物医学信息学系） 纠错

AI总结 本文提出基于软谐波解的非参数方法，用于检测异常标签，通过估计标签置信度来识别异常误标，并在真实世界电子健康记录数据集上验证其有效性。

Comments ICML 2011 Workshop on Machine Learning for Global Challenges. arXiv admin note: substantial text overlap with arXiv:2604.21462. substantial text overlap with arXiv:2604.21462

On the Power of Foundation Models

基础模型的威力

Yang Yuan

机构 * IIIS, Tsinghua University（清华大学信息学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

AI总结 本文通过范畴论探讨基础模型在提示学习和微调中的能力限制及泛化理论，提出新的泛化定理。

Comments ICML'23. This version polished paper with the help of LLM, fixed a few notational issues