Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
摘要：浅层声反射（线性调频）数据已被用来绘制各种水环境中底层地层的高程。河流地区特别令人担忧的是近地表下伏岩石的抬高，如果在沉积地床形态正常迁移过程中暴露，可能会导致在低水位期间通过该地区的船只搁浅和损坏。考虑到岩石暴露的短暂性，当岩石被一层薄薄的沉积物覆盖时，传统的测量方法不足以绘制岩石地图，从而增加了潜在的危险。因此，美国陆军工程兵团圣路易斯地区 (MVS) 探索使用线性调频海底勘测来识别密西西比河内密西西比州开普吉拉多和伊利诺伊州底比斯附近的埋藏岩石。生成了显示埋藏岩石分布的危险地图，并在可能的情况下确定了移动沉积物层的底部。这些数据将使 MVS 能够在低水位期间准确识别潜在危险区域。尽
Base level cyber squadron takes flight
4 月，空军各通信中队根据各自的主要司令部的任务，成为探路者，参与所谓的“网络中队计划”建设。这是为了向新的网络部队过渡，该部队整合了防御性网络作战概念，以保护基地层面的五项核心空军任务。
The threat beneath the ground: Geologist competes in Army Reserve Best Warrior Competition
与他在伊拉克面临的埋藏的炸弹不同，地层变化之下的危险是安静的。不是爆发性的或突然的，而是渐进的。
Air Force Academy's enlisted Airmen go 'back to basics'
首次观察到一组空军学院的入伍飞行员在地层中撤退
