TL;DR
- چکیده:.
- سیستمهای یادگیری ماشین مدرن که در حوزههای حیاتی ایمنی مستقر شدهاند،.
- نه تنها به عملکرد کلی نیاز دارند،.
چه اتفاقی افتاد
چکیده:. سیستمهای یادگیری ماشین مدرن که در حوزههای حیاتی ایمنی مستقر شدهاند،.
نه تنها به عملکرد کلی نیاز دارند،. بلکه به چگونگی تأثیر دینامیک آموزش بر عدالت زیرگروهها در طول زمان نیز نیاز دارند.
داشبوردهای آموزشی موجود عمدتاً از نظارت تک متریک پشتیبانی میکنند و پشتیبانی محدودی را برای بررسی روابط. بین معیارهای ناهمگن یا تشخیص نابرابریهای زیر گروهی در طول آموزش ارائه میدهند.
ما InsightBoard،. یک پلاگین تعاملی TensorBoard را ارائه میکنیم که تجسم چند متری همگامسازی شده را با تشخیصهای منصفانه مبتنی.
بر برش در یک رابط یکپارچه ادغام میکند. InsightBoard پزشکان را قادر میسازد تا بهطور مشترک پویاییهای آموزشی،.
معیارهای عملکرد،. و نابرابریهای زیرگروه را از طریق نمودارهای چند نمای مرتبط،.
تجزیه و تحلیل همبستگی،. و شاخصهای عدالت گروهی استاندارد که بر روی برشهای تعریفشده توسط کاربر محاسبه میشوند،.
بررسی کنند. از طریق مطالعات موردی با YOLOX در با مجموعه داده BDD100k،.
نشان میدهیم که مدلهایی که به عملکرد کل قوی دست مییابند همچنان میتوانند تفاوتهای جمعیتی و محیطی قابل. توجهی را نشان دهند که تحت نظارت مرسوم پنهان میمانند.
با در دسترس قرار دادن تشخیص عادلانه در طول آموزش،. InsightBoard از بازرسی مدل قبلی و آگاهانهتر بدون تغییر خطوط لوله آموزشی موجود یا معرفی ذخیرههای اطلاعات اضافی.
پشتیبانی میکند. معماری سخت افزار (cs.
AR)؛ یادگیری ماشینی (cs. LG) استناد بهعنوان: (یا v1 [cs.
AR] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Ray Chen [مشاهده ایمیل] [v1] پنجشنبه،. 2 آوریل 2026،.
17:. 35:.
38 UTC (1,. 282 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.