Sonja Topf, Ana Sanchez-Fernandez, Günter Klambauer · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30104 · open-access PDF
Malgré les progrès récents, les systèmes d'IA actuels demeurent très sensibles aux changements de domaine, en particulier dans l'imagerie biomédicale, où les images sont généralement acquises dans des conditions expérimentales substantiellement différentes. Bien que les méthodes d'adaptation des domaines récentes aient fait des progrès substantiels, des lacunes significatives de performance pendant le changement de domaine persistent. Pour mesurer les progrès à cet égard, nous présentons BatchBench, un tableau de bord qui évalue et compare la robustesse des systèmes d'IA sur des images biomédicales à partir de lots expérimentaux invisibles et de sources de données.
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