Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Mitigating the Lack of Labeled Training Data in Machine Learning Based on Multi-level Optimization
Proyek riset & pengembangan

CAREER: Mitigating the Lack of Labeled Training Data in Machine Learning Based on Multi-level Optimization

Ringkasan tujuan riset

Optimasi multitingkat dan model bahasa besar dikembangkan untuk menghasilkan, memberi label atau menyesuaikan data latihan yang lebih sesuai bagi model downstream.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2339216Periode tercatat 2024-09-01 sampai 2029-08-31.NSF 2339216MulaiAkhir tercatat202420302024-09-012029-08-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Kinerja kasus terburuk serta tiap kelas membimbing pembangkitan data end-to-end. Pelabelan memakai model bahasa, informasi samping dan serangkaian verifikasi, sementara adaptasi contoh menentukan data sumber yang sesuai domain target. Algoritme terdistribusi menangani nonsmoothness, kompatibilitas pengoptimal dan skalabilitas. Riset menargetkan pengurangan biaya anotasi, dengan akurasi label serta keseimbangan performa perlu diukur alih-alih diasumsikan dari keluaran otomatis model.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of California-San Diego
Program
Info Integration & Informatics
Periode pendanaan tercatat
2024-09-01 → 2029-08-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.