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84 热度 ⌁2OpenAI升级ChatGPT语音功能，支持通过语音指令执行复杂工作任务84 热度 ⌁3七校联合开源世界动作模型OpenWAM，构建机器人动作模拟基座82 热度 ⌁4Cerebras推出CS-4晶圆级AI加速器：推理速度号称达GPU系统的30倍81 热度 ⌁5三大运营商掀起AIDC基建浪潮：上半年投资达283亿元81 热度 ⌁9月24日2026-09-24