研究人员推出了一种新颖的空值校准共形选择（NCCS）方法，用于识别响应落在目标区域内的测试候选者，同时控制错误发现率。与通常使用面向预测的得分的现有方法不同，NCCS 利用目标成员概率作为选择的自然得分。该方法对于区间值、方差驱动、多峰或多条件目标特别有效，在这些目标中，传统得分可能与选择能力不匹配。实验表明，NCCS 提供了有限样本有效性下的零 p 值，并在稀有目标模式下提供了功效和有效性之间的权衡。 AI
影响 这项研究为机器学习中的候选选择提供了一种更稳健的方法，特别适用于复杂的目标区域，有可能提高 AI 模型评估的可靠性。
排序理由 该集群描述了一篇详细介绍一种新颖共形选择方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
