11:43
arXiv cs.LG@Nahuel Gonzalez, Marta Robledo-Moreno, Ivan DeAndres-Tame, Ruben Vera-Rodriguez, Ruben Tolosana
推荐理由：这篇论文直接优化EER指标，在18.5万人击键数据上EER降了30%，训练还更快，做生物识别的值得一看。
全部 AI 动态
AI 相关资讯全量信息流
6月24日
11:43
该论文提出EERLoss，一种可微且任意精度的等错误率（EER）近似损失函数，直接优化生物特征验证的主要评价指标。在KVC-onGoing基准上测试，涵盖超18.5万被试的击键动力学数据。消融实验表明EERLoss优于现有损失函数，且收敛更快。用EERLoss重新训练KVC-winning架构后，EER相对降低约30%，显著超越原SOTA。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月21日
10:07
10:07
arXiv: DeepSeek@Zhaohui Zheng, Chenhang He, Shihao Wang, Yuxuan Li, Ming-Ming Cheng, Lei Zhang
精选
推荐理由：数值预测是数学推理和代码生成的基础能力，DEL直接改进了LLM对数字的学习效果。做数学推理或代码生成模型训练的团队，值得关注这个新损失函数，它简单有效且开源可用。