arXiv ID:
2605.25499
arXiv 提交日期: 2026-05-25
加速动态重要性加权:基于多样性散度最小化估计器的统一框架 / Accelerated Dynamic Importance Weighting with Versatile Divergence-Minimizing Estimators
1️⃣ 一句话总结
本文提出了一种加速动态重要性加权方法,通过轻量级的无梯度更新和统一的散度最小化框架,大幅提升了深度学习在训练与测试数据分布不一致时的计算效率与权重估计灵活性,并在多个数据集上取得了更优性能。