热点事件持续更新
JevForest：预算约束下的路径投票特征获取方法
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9日，arXiv 统计学机器学习栏目发布论文，提出 JevForest 方法。该方法用于预算约束下的特征获取，核心思路是聚合自助法树路径提议，并按全局训练信息增益进行加权；在线实现中通过查询 Jev 获取语义答案。论文在两个数据集上给出实验结果：AG News（n=48）上，四问森林获取准确率为 0.729，优于静态增益排序的 0.667 与随机排序的 0.583；TREC（n=24）上排序反转，森林准确率为 0.667，低于静态增益排序的 0.750 与随机排序的 0.833。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 论文提出 JevForest，AG News 上优于基线，TREC 上排序反转。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine LearningJevForest：预算化特征获取中的路径投票方法
论文提出 JevForest，一种聚合自助法树路径提议并按全局训练信息增益加权的特征获取策略，在线实现中通过查询 Jev 获取语义答案。在 AG News（n=48）上四问森林获取准确率为 0.729，优于静态增益排序 0.667 与随机排序 0.583；TREC（n=24）上排序反转，森林准确率 0.667，低于 0.750 与 0.833。
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。