让模型预见分布漂移：动态系统颠覆性设计引领时域泛化新革命｜NeurIPS 2024

文章预览

   新智元报道   编辑：LRST 【新智元导读】 研究人员提出了一种方法，能够在领域数据分布持续变化的动态环境中，基于随机时刻观测的数据分布，在任意时刻生成适用的神经网络，实现前所未有的泛化能力。 在实际应用中，数据集的数据分布往往随着时间而不断变化，预测模型需要持续更新以保持准确性。 时域泛化旨在预测未来数据分布，从而提前更新模型，使模型与数据同步变化。 然而，传统方法假设领域数据在固定时间间隔内收集，忽视了现实任务中数据集采集的随机性和不定时性，无法应对数据分布在连续时间上的变化。 此外，传统方法也难以保证泛化过程在整个时间流中保持稳定和可控。 为此，研究人员提出了连续时域泛化任务，并设计了一个基于模型动态系统的时域泛化框架Koodos，使得模型在连续时间中与数据分布的变化始终 ………………………………