研究人员推出了一种新颖的基于样本的评分方法 MIRA，用于评估条件分布的准确性。该评分通过仅使用联合样本来评估候选分布与真实数据生成过程的匹配程度。MIRA 提供了一个量化这种匹配程度的框架，用于模型比较，并通过实现直接的后验验证，无需复杂的证据计算，从而促进了贝叶斯模型比较。 AI
影响 引入了一种评估和比较概率模型的新指标，可能改进生成模型的评估。
排序理由 该集群包含一篇详细介绍用于模型比较的新统计评分的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02014v1 Announce Type: new Abstract: We introduce Mira, a sample-based score for assessing the accuracy of a candidate conditional distribution using only joint samples from the true data-generating process. Relying on the principle that distributions coincide if they …
We introduce Mira, a sample-based score for assessing the accuracy of a candidate conditional distribution using only joint samples from the true data-generating process. Relying on the principle that distributions coincide if they assign equal probability mass to all regions, we…