新的尺度律指导 AI 嵌入中分布偏移的检测

研究人员开发了一种新的尺度律，用于检测高维嵌入中的分布偏移，该尺度律约束了基于矩的统计检验。该尺度律源自切比雪夫极值问题，表明所需的多项式检验程度取决于特征的尺度和质量分数。提出了一种实用的校准规则，表明 MMD 检验的最佳带宽应与特征尺度相匹配。在真实嵌入流上的实验表明，这种数据驱动的带宽方法实现了高 AUC 分数，并且能有效对抗针对其他统计数据优化的对手。 AI

影响 这项研究为提高 AI 模型对其输入数据中分布偏移的鲁棒性提供了理论框架和实用的校准规则。

排序理由 该集群包含一篇学术论文，详细介绍了一种检测嵌入中分布偏移的新统计方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• arXiv
• Chebyshev
• Gauss Quadrature Calculation for Two-Centre Overlap Integrals of Slate-Type Orbitals
• Hugging Face
• k-nearest neighbors algorithm
• MMD test
• Rbf Kernel

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →