MetaTree: Skalierbares Meta-Lernen von Entscheidungsbäumen mit synthetischen Daten
In hochsensiblen Bereichen wie Finanzen und Gesundheitswesen sind Entscheidungsbäume wegen ihrer Interpretierbarkeit unverzichtbar. Ein neues Verfahren, vorgestellt auf arXiv (2511.04000v1), nutzt synthetische Vortrainingsdaten, um das Meta-Lernen dieser Modelle effizient zu skalieren.