ترجمه فارسی مقاله یادگیری خارج از توزیع با بازخورد انسانی

چکیده

Out-of-distribution (OOD) learning often relies heavily on statistical approaches or predefined assumptions about OOD data distributions, hindering their efficacy in addressing multifaceted challenges of OOD generalization and OOD detection in real-world deployment environments. This paper presents a novel framework for OOD learning with human feedback, which can provide invaluable insights into the nature of OOD shifts and guide effective model adaptation. Our framework capitalizes on the freely available unlabeled data in the wild that captures the environmental test-time OOD distributions under both covariate and semantic shifts. To harness such data, our key idea is to selectively provide human feedback and label a small number of informative samples from the wild data distribution, which are then used to train a multi-class classifier and an OOD detector. By exploiting human feedback, we enhance the robustness and reliability of machine learning models, equipping them with the capability to handle OOD scenarios with greater precision. We provide theoretical insights on the generalization error bounds to justify our algorithm. Extensive experiments show the superiority of our method, outperforming the current state-of-the-art by a significant margin.

چکیده به فارسی (ترجمه ماشینی)

یادگیری خارج از توزیع (OOD) غالباً به رویکردهای آماری یا فرضیات از پیش تعریف شده در مورد توزیع داده های OOD متکی است ، که مانع اثربخشی آنها در پرداختن به چالش های چند جانبه عمومی سازی OOD و تشخیص OOD در محیط های استقرار در دنیای واقعی می شود.در این مقاله یک چارچوب جدید برای یادگیری OOD با بازخورد انسان ارائه شده است ، که می تواند بینش ارزشمندی در مورد ماهیت شیفت های OOD ارائه دهد و سازگاری با مدل مؤثر را راهنمایی کند.چارچوب ما از داده های بدون برچسب آزاد در دسترس در طبیعت سرمایه گذاری می کند که توزیع زمان آزمایش محیط زیست را در هر دو تغییر متغیر و معنایی ضبط می کند.برای مهار چنین داده هایی ، ایده اصلی ما ارائه بازخورد انسانی و برچسب زدن تعداد کمی از نمونه های آموزنده از توزیع داده های وحشی است که سپس برای آموزش یک طبقه بندی چند طبقه و یک ردیاب OOD استفاده می شود.با بهره برداری از بازخورد انسان ، ما استحکام و قابلیت اطمینان مدل های یادگیری ماشین را تقویت می کنیم و آنها را به توانایی رسیدگی به سناریوهای OOD با دقت بیشتر مجهز می کنیم.ما بینش های نظری در مورد مرزهای خطای تعمیم برای توجیه الگوریتم خود ارائه می دهیم.آزمایش های گسترده برتری روش ما را نشان می دهد ، و از حاشیه قابل توجهی از پیشرفته فعلی استفاده می کند.