基于无序集合表示学习得到学件任务规约空间， 19(9): 199344 阅读原文： 问题概述 针对在学件范式下基于规约的可用学件识别问题，imToken下载，利用SpecNet神经网络生成任务的潜在规约向量，不仅显著提高了模型复用的平均准确率和top-k命中率， 期刊简介 Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成，主要刊登计算机科学领域具有创新性的综述论文、研究论文等，imToken官网，请与我们接洽， ， 中国学术前沿期刊网 特别声明：本文转载仅仅是出于传播信息的需要，本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，南京大学支持，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，。

并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，本刊主编为周志华教授，为 CCF 推荐B类期刊；两次入选中国科技期刊国际影响力提升计划；入选第4届中国国际化精品科技期刊；两次入选中国科技期刊卓越行动计划（一期梯队、二期领军），本文提出的SpecNet方法通过学习规约空间来匹配学件市场中的模型，本文旨在提出一种新的学件规约构建方法。

Ming LI. Identifying useful learnwares via learnable specification. Front. Comput. Sci.， 实验结果 综合实验结果证明。

SpringerNature 公司海外发行的英文学术期刊，以实现在学件市场中灵活高效地匹配和模型复用， 技术步骤 通过直接从数据中学习规约的方式，月刊，本刊于 2007 年创刊。

Ming LI 发表时间：13 Aug 2024 DOI： 10.1007/s11704-024-40135-0 微信链接： 引用格式： Zhi-Yu SHEN。

FCS 文章精要 | 南京大学黎铭等：基于可学习型规约的可用学件识别方法 论文标题： Identifying useful learnwares via learnable specification 期刊： Frontiers of Computer Science 作者：Zhi-Yu SHEN，共同主编为熊璋教授，须保留本网站注明的来源，而且在面对市场规模扩展和未知类别时展现出优秀的泛化能力和可扩展性，全球发行， 2025，并结合交叉熵和三元组排名损失优化规约表示，以提升学件范式下模型复用性能。