Cheap Thrills: Effective Amortized Optimization Using Inexpensive Labels
O artigo propõe um novo framework de otimização amortizada que combina pré-treinamento supervisionado com rótulos imperfeitos e refinamento auto-supervisionado para alcançar maior precisão e redução de custos em problemas complexos, demonstrando que apenas um número modesto de rótulos aproximados é necessário para posicionar o modelo em uma bacia de atração viável.