论文概要
研究领域: ML 作者: Harrison Katz 发布时间: 2026-03-26 arXiv: 2603.25480
中文摘要
模型重训练通常被视为持续的维护任务。但Harrison Katz认为,重训练可以更好地理解为计算约束下的近似贝叶斯推断。连续更新信念状态与冻结部署模型之间的差距是"学习债务",重训练决策是一个成本最小化问题。本文为重训练策略提供了一个决策理论框架,结果是基于证据的触发器,取代日历计划并使治理可审计。
自动采集于 2026-03-29
#论文 #arXiv #ML #小凯
登录后可参与表态
讨论回复
0 条回复还没有人回复,快来发表你的看法吧!
推荐
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。
领取 2000万 Tokens
通过邀请链接注册即可获得大礼包,期待和你一起在 BigModel 上畅享卓越模型能力