LiBaGS：面向目标合成数据选择的轻量级边界间隙合成
机器学习
2026-05-14 v2 人工智能
摘要
合成数据只有在添加的样本填补下游任务所需训练分布中缺失的部分时才有用。我们介绍 LiBaGS，一种轻量级、与生成器无关的方法，用于针对性地选择合成训练数据。LiBaGS 通过结合决策边界近似性、预测不确定性、真实数据密度和支持有效性来对候选合成样本进行评分，以确保所选样本既具有信息量又可能保留在真实数据流形上。随后，我们使用一种边界间隙分配规则，针对稀疏但真实的决策边界邻域进行选择，而非仅仅增加更多数据或仅选择最不确定的候选样本。LiBaGS 还通过一种边际价值停止规则学习何时已添加足够的合成样本，为边界上模糊处的样本分配柔和标签，并使用多样性目标以避免冗余的近似重复选择。实验表明，LiBaGS 在经典过采样、硬增强、不确定性和密度迁移、以及针对性生成选择标准方面均优于。
引用
@article{arxiv.2605.11231,
title = {LiBaGS: Lightweight Boundary Gap Synthesis for Targeted Synthetic Data Selection},
author = {Abhishek Moturu and Anna Goldenberg and Babak Taati},
journal= {arXiv preprint arXiv:2605.11231},
year = {2026}
}