English(EN) Enforcing tail calibration when training probabilistic forecast models

研究人员提出新的训练方法以提高极端事件的概率预测校准

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了新的方法来改进概率预测模型的校准，特别是针对极端事件。该研究侧重于在模型训练过程中调整损失函数，使用加权评分规则和尾部失准度量。通过对英国风速数据的实验表明，现有的最先进模型在极端条件下的校准预测方面存在困难，但提出的改进可以提高可靠性，尽管会牺牲常见结果的性能。 AI

影响引入了提高人工智能驱动的预测可靠性的新颖技术，特别是针对高影响力的极端事件。

排序理由学术论文，介绍了概率预测模型校准的新方法。[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 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Jakob Benjamin Wessel, Maybritt Schillinger, Frank Kwasniok, Sam Allen · 2026-05-05 04:00

训练概率预测模型时强制执行尾部校准

arXiv:2506.13687v2 Announce Type: replace-cross Abstract: Probabilistic forecasts are typically obtained using state-of-the-art statistical and machine learning models, with model parameters estimated by optimizing a proper scoring rule over a set of training data. If the model c…