“异质空间中的质量多样性”

2026 年 9 月 7 日，arXiv cs.AI 发布题为《Quality-diversity in dissimilarity spaces》的研究。该研究针对传统机器学习在相似性空间中难以有效捕捉多样性与质量平衡的问题，提出了一种基于不相似度空间（dissimilarity spaces）的质量多样性新范式。该方法通过重新定义样本间的距离度量，旨在更准确地评估模型输出的多样性与整体质量，为人工智能系统的优化提供了新的理论视角与技术路径。