研究人员开发了一种名为 CHASE 的新型选择性预测框架，旨在改善在部分可观测性和歧义条件下的决策制定。与依赖单一预测分支的标准方法不同，CHASE 明确比较竞争性时间解释，以确定是做出决策还是弃权。该方法基于假设边际优化了一个感知排序的选择器，从而能够更好地区分安全承诺和不确定的情况。在模拟器和真实 GUV 视频的隐藏连接推理上的评估表明，CHASE 在准确性和与歧义对齐的弃权方面显著优于典型不确定性基线。 AI
影响 引入了一种处理人工智能系统不确定性的新颖方法，有可能提高复杂决策场景下的可靠性。
排序理由 这是一篇发表在 arXiv 上的研究论文，详细介绍了一种新的选择性预测框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
