#数据增强

做数据增强搜索的朋友值得看：论文用 LLM 写增强代码，CIFAR-10 上拿到 0.8877，比搜 6,000 个候选的暴力法还强，评估预算少 22 到 600 倍。顺带提醒你常用的单 epoch 快速筛选并不总是可靠。

做意图路由或分类的朋友可以看看：同一模型换个标签写法，准确率能差这么多，论文还给了四个评测坑点。

有人把 2021 年那篇用纯噪声补少数类样本的论文复现了一遍，四个结论全复现成功，还发现它和加大网络的效果是互补的，做分类不平衡数据可以参考。

新框架解决了可穿戴传感器活动识别中的过拟合问题，特别适合医疗场景。

机器人换个机位就翻车的问题有解了：InfiNoVA 用 3D Gaussian 造新视角训练数据，陌生视角成功率提升 5.4 倍，不用改模型架构。

不用训练多次就能拿到类似深度集成的对称性提升，做数据增强的可以看看。

做目标检测或分割的可以看看，AlbumentationsX 把图像和标注的增强统一了，避免随机变换错位，还能重放调试。

OTLesMix用Wasserstein重心造形状位置更多样的病灶，脑分割Dice提升2.9-6.6，比现有mix方法都强。

这篇论文教你怎么用求解器的中间迭代步骤来多搞训练数据，还给了理论分析并连接到GLENS方法，做优化或生成模型的人可以看看。

这篇论文用具体实验证明，GAN数据增强挡不住针对自动驾驶3D点云的投毒攻击，后门照样能影响分类器，值得搞AI安全的人看看。

机器人强化学习的新思路，WorldSample 用世界模型生成合成数据，成功率提28%还省了59%训练时间，值得一看。

这篇论文用理论和实验告诉你，离线RL里悲观多少不重要，悲观的结构对不对才关键，还给出了数据增强的正确用法。

搞语义分割的可以试试这个，它只增强模型犯难的区域，在几个自动驾驶数据集上提点挺明显，尤其是稀有类别。

这篇论文提出了AutoBackSwap，只用几百张图片的标注就能让模型不依赖背景，效果比之前的方法都好，做图像分类的值得一看。

这篇论文提出了QC-SMOTE，在30个数据集上比传统SMOTE获得更好的AUC和F1分数，特别适合处理中度到高度不平衡的数据。

低资源语言ASR团队终于有了可落地的数据增强方案——用LLM+TTS生成对话数据，效果堪比数倍真实数据。做多说话人语音识别的开发者值得一试，尤其适合匈牙利语等小语种场景。

该研究为低资源语种手写识别提供了一种实用的数据增强思路，结合扩散模型与自信度过滤，方法通用且效果显著，对同类任务有参考价值。