合金性质预测中的MTL失败：数据不平衡和任务独立性

Research Paper#Materials Science, Machine Learning, Multi-Task Learning🔬 Research|分析: 2026年1月3日 19:40•
发布: 2025年12月28日 01:52
•
1分で読める
•ArXiv

分析

本文研究了多任务学习（MTL）在预测材料性质时失败的条件。它强调了数据平衡和任务关系的重要性。研究结果表明，当数据不平衡且任务基本独立时，MTL对于回归任务可能是有害的，而对于分类任务仍然有益。这为在材料科学和其他领域应用MTL的研究人员提供了宝贵的见解。
引用 / 来源
查看原文
"MTL significantly degrades regression performance (resistivity $R^2$: 0.897 $ o$ 0.844; hardness $R^2$: 0.832 $ o$ 0.694, $p < 0.01$) but improves classification (amorphous F1: 0.703 $ o$ 0.744, $p < 0.05$; recall +17%)."
A
ArXiv2025年12月28日 01:52
* 根据版权法第32条进行合法引用。
较旧

Text-Routed Sparse Mixture-of-Experts Model with Explanation and Temporal Alignment for Multi-Modal Sentiment Analysis

较新

A method for robust spin relaxometry in the presence of imperfect state preparation

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv