dataset

§ 01综述

dataset 是人工智能领域中用于训练和测试机器学习模型的数据集合。近年来，dataset 的发展和应用越来越受到关注。

Dataset 近期进展

Polycepta：面向多目标跟踪的对象中心外观估计：该研究提出了一种基于 dataset 的多目标跟踪方法，旨在提高对象中心外观估计的准确性。

Rethinking Dataset Distillation: 蒸馏集未必优于核心集：这项研究表明，在数据蒸馏过程中，核心集并不总是优于蒸馏集，挑战了传统的数据蒸馏方法。

HumP-KD：面向高效火灾分类的混合不确定性感知多阶段渐进知识蒸馏框架：该研究提出了一种新的知识蒸馏框架，通过混合不确定性感知和多阶段渐进蒸馏，提高了火灾分类的效率。

VL-DPO：视觉语言引导的偏好对齐自动驾驶微调框架：这项研究开发了一个新的自动驾驶微调框架，通过视觉语言引导和偏好对齐，提升了自动驾驶的性能。

PianoCoRe：大规模钢琴MIDI数据集：该数据集的发布为钢琴音乐的研究提供了丰富的资源，有助于推动相关领域的发展。

dataset 的质量和多样性对机器学习模型的性能至关重要。目前，研究者们正致力于提高 dataset 的质量和可扩展性，同时探索新的数据蒸馏和知识蒸馏方法，以提升模型的性能。

§ 02相关报道09 条在档

§ 03邻近话题