TTCov: Cura dei Dati al Momento del Test per l'IA Distribuita
Il nuovo approccio noto come TTCov (Test-Time Coverage) affronta il problema della preparazione dei dati di addestramento per i sistemi di IA in situazioni in cui la distribuzione del test diverge da quella dell'addestramento. A differenza delle tecniche convenzionali di cura dei dati che privilegiano le metriche lato addestramento, TTCov sfrutta le informazioni lato test prima dell'addestramento per migliorare l'allineamento con la distribuzione. Scompone il processo di cura in componenti di copertura e distribuzione. Per la copertura, crea un Atlante dei compiti, costituito da proposizioni atomiche (AP) basate su LLM che rappresentano concetti rilevanti per la distribuzione, attingendo dalla conoscenza aperta dei compiti e incorporando AP non abbinate dai dati di distribuzione non etichettati. Per la distribuzione, sviluppa un Atlante della Conoscenza (K-Atlas) abbinando le AP di distribuzione con le rispettive frequenze. Questo metodo è dettagliato in un articolo disponibile su arXiv (2607.22697), con l'obiettivo di perfezionare la cura dei dati concentrandosi sul contesto di distribuzione.
Fatti principali
- 1. TTCov sta per Test-Time Coverage (Copertura al Momento del Test).
- 2. È un metodo di cura condizionato al test a livello di dati.
- 3. Utilizza informazioni lato test prima dell'addestramento, non durante l'inferenza.
- 4. La cura condizionata alla distribuzione è scomposta in copertura e distribuzione.
- 5. La copertura è rappresentata da un Atlante dei compiti di proposizioni atomiche (AP) basate su LLM.
- 6. L'Atlante dei compiti è inizializzato dalla conoscenza aperta dei compiti e ampliato con AP non abbinate da campioni di distribuzione non etichettati.
- 7. La distribuzione è rappresentata da un Atlante della Conoscenza (K-Atlas) con le frequenze delle AP abbinate.
- 8. L'articolo è disponibile su arXiv con ID 2607.22697.
Entità
Istituzioni
- arXiv