CRISP：面向不平衡表格数据的高扩展性重要性分层核心集剪枝方法
针对大规模不平衡表格数据在梯度提升树训练中算力消耗过高的问题，研究人员提出了一种名为 CRISP 的线性时间核心集剪枝方法。该方法依据代理模型打分的分位数分层分配多数类（负类）样本预算，并通过样本加权校正不等采样概率。在真实生产级反欺诈数据集上的测试表明，在削减 95% 负类样本、数据总量缩减 93.2%（从 2500 万行降至约 170 万行）的情况下，该模型仍能保留全量数据 99.7% 的平均精度。
DC AI 热点
精选
当前热点完整榜单 →
1针对长上下文编程优化，Claude Opus 5.5 正式发布87 热度 ⌁2Cerebras推出CS-4晶圆级AI加速器：推理速度号称达GPU系统的30倍84 热度 ⌁3传OpenAI即日预览网络安全专用模型GPT-6 Cyber83 热度 ⌁4智能体编程加剧CI负载：Anthropic 如何扩展测试影响分析81 热度 ⌁5将“激活神谕”技术扩展至万亿参数模型：深入内部表征监测AI异常行为81 热度 ⌁9月24日2026-09-24