热点事件持续更新
EIAD-C2ST：严重样本不平衡下的深度非参数检验
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv Statistics Machine Learning 频道发布论文，提出增强型不平衡感知深度分类器两样本检验（EIAD-C2ST）。该方法是一个分类器无关的框架，用于在严重样本不平衡条件下比较分布，尤其适配图等复杂非欧数据。论文称，该方法可将多数类样本盈余转化为可重复的检验证据，并为计算成本高的深度分类器提供可扩展的表示摊销实现。理论方面给出渐近规模保证与功效一致性条件，允许不平衡比发散；仿真与区块链取证应用验证了有效性。目前未见后续报道或争议。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
arXiv发布EIAD-C2ST论文，提出面向严重样本不平衡复杂数据的深度非参数检验框架。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Statistics Machine LearningEIAD-C2ST：面向严重样本不平衡复杂数据的深度非参数检验
论文提出增强型不平衡感知深度分类器两样本检验（EIAD-C2ST），一个分类器无关的框架，用于在严重样本不平衡下比较分布，尤其适配图等复杂非欧数据。该方法把多数类样本盈余转化为可重复的检验证据，并为计算成本高的深度分类器提供可扩展的表示摊销实现。理论给出渐近规模保证与功效一致性条件，允许不平衡比发散；仿真与区块链取证应用验证了有效性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。