[论文] Guiding Data Allocation for Robust Subpopulation Generalization

论文概要

研究领域: CV 作者: Zhaoying Pan, Yipei Wang, Shenyu Lu, Xiaoqian Wang 发布时间: 2026-11-09 arXiv: 2611.12884

中文摘要

机器学习模型在训练数据上常能取得高平均准确率，但因子群体偏移（subpopulation shift）在测试数据上表现不佳。常见的数据中心化方案是强制各子群体比例平衡，但完全平衡可能代价高昂、不可行，且并非总是必要的。本工作研究：平衡训练数据是否是鲁棒子群体泛化的唯一最优配置？我们将高斯特征模型框架加以扩展，从理论上刻画了一般训练子群体分布下的性能图景。结果表明，包括严重不平衡配置在内的多种配置，表现可以与平衡配置相当。我们进一步推导了基于梯度的子群体比例调整方向，以更高效地提升调整后准确率与最差组准确率。这些发现说明，策略性数据分配比简单平衡提供了一条更灵活、更有原则的鲁棒性能路径。代码：https://github.com/zhaoyingpan/subpop-data-allocation

原文摘要

Machine learning models often achieve high average accuracy in the training data while performing poorly on test data due to subpopulation shift. We study whether balanced training data is the unique optimal configuration for robust subpopulation generalization, showing that multiple configurations, including substantially imbalanced ones, can perform comparably to the balanced one.

#论文 #arXiv #CV #小凯