TMLR

Beyond Accuracy: What Matters in Designing Well-Behaved Image Classification Models?

超越准确率：设计良好行为图像分类模型所关注的问题

Robin Hesse, Doğukan Bağcı, Bernt Schiele, Simone Schaub-Meyer, Stefan Roth

AI总结 本文研究了图像分类模型在鲁棒性、校准和公平性等质量维度上的表现，提出QUBA指标以评估和推荐模型。

Comments Published in TMLR (01/2026) | OpenReview: https://openreview.net/forum?id=E7HDtLCoT6 | Project page: https://visinf.github.io/beyond-accuracy/

AuToMATo: An Out-Of-The-Box Persistence-Based Clustering Algorithm

AuToMATo：一种基于持久性的聚类算法

Marius Huber, Sara Kalisnik, Patrick Schnider

机构 * Department of Computational Linguistics University of Zürich（苏黎世大学计算语言学系） ； Department of Mathematics Pennsylvania State University（宾夕法尼亚州立大学数学系） ； Department of Mathematics and Computer Science University of Basel（巴塞尔大学数学与计算机科学系） ； Department of Computer Science ETH Zürich（苏黎世联邦理工学院计算机科学系） 纠错

AI总结 AuToMATo是一种基于持久性的聚类算法，通过默认参数设置实现即开式操作，结合自助法分离密度峰，并在多个基准测试中表现优异。

Comments Code: https://doi.org/10.5281/zenodo.17279740

Journal ref TMLR (October 2025)