כתבה
arXiv cs.LG ·
כיסוי בשעת המבחן: קיטור נתונים מותאם להפעלה-מודע
Test-Time Coverage: Test-Conditioned Data Curation for Deployment-Aware Learning
אנו מציגים את TTCov, שיטת קיטור נתונים המתאמה להפעלה, המשתמשת במידע מהמבחן לפני האימון ולא לעדכן את משקלי המודל בשעת המבחן. TTCov פותרת את הבעיה של קיטור נתונים המתמקדת בקריטריות מן הצד האימון, ולא באופטימיזציה ישירה של התאמה להפעלה.
תקציר מקורי באנגליתarXiv:2607.22697v1 Announce Type: cross Abstract: Deployed AI systems are often trained from broad candidate data pools, necessitating data curation towards the deployment test distribution. However, standard data curation methods score training-side criteria rather than directly optimizing deployment match. We introduce TTCov (Test-Time Coverage), a data-level test-conditioned curation method that uses test-side information before training instead of updating model weights at inference. TTCov decomposes deployment-conditioned curation into coverage and distribution. To represent coverage, it builds a task Atlas, a collection of LLM-based atomic propositions (APs) describing deployment-relevant concepts, seeded from open task knowledge and expanded with unmatched APs extracted from unlabel
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית