Sonja Topf, Ana Sanchez-Fernandez, Günter Klambauer · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30104 · open-access PDF
على الرغم من التقدمات الأخيرة، لا تزال أنظمة الذكاء الاصطناعي الحالية متواجدة بشكل كبير في تغيير المساحة، وخاصة في التصوير البيولوجي، حيث يتم الحصول على الصور عادة في ظروف تجريبية مختلفة بشكل كبير. على الرغم من أن أساليب التكيف في المساحة الأخيرة قد ارتفعت بشكل كبير، إلا أن الفجوات الكبيرة في الأداء خلال تغيير المساحة لا تزال موجودة. لتقييم التقدم في هذا الصدد، نحن نقدم BatchBench، لوحة رئيسية تقييم ومقارنة قوة أنظمة الذكاء الاصطناعي على الصور البيولوجية من المجموعات التجريبية غير المرغوب فيها ومصادر البيانات.
Machine translation (Meta M2M100); the English original follows.
Despite recent advances, current AI systems remain highly susceptible to domain shifts, particularly in biomedical imaging, where images are usually acquired under substantially different experimental conditions. Although recent domain adaptation methods have made substantial progress, significant performance gaps under domain shift persist. To measure progress in this regard, we introduce BatchBench, a leaderboard that evaluates and compares the robustness of AI systems on biomedical images from unseen experimental batches and data sources. BatchBench is built on JUMP-CP, one of the largest p
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30104, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange