University of California, Los Angeles（加州大学洛杉矶分校）

When Data Imbalance Helps: Robust Generalization Through Shortcut Saturation

数据不平衡何时起作用：通过捷径饱和实现稳健泛化

Cheng-Ting Chou, Duc Binh Hoang

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Purdue University（普渡大学） 纠错

AI总结 研究虚假相关性下数据不平衡对模型泛化的影响，通过改变虚假比率和模型容量发现数据不平衡能促进强大模型泛化，如合成任务中2层变压器在特定虚假比率下泛化效果提升，还通过机制分析找到相关途径。