研究人员开发了一种名为基于共形对齐（CAb）的级联新方法，以提高边缘智能系统的可靠性。该方法确保设备上模型所做的预测与更强大的云模型所做的预测一样，在包含真实标签的概率方面保持指定水平。通过将边缘到云的升级视为一个多假设检验问题，CAb 选择性地将输入卸载到云端，从而平衡了覆盖率、延迟率和预测集大小。在图像分类和问答基准测试上的实验证明了CAb在保持条件覆盖率的同时减少对云的依赖方面的有效性。 AI
影响 增强了设备上AI模型的可信度，有可能在关键应用中更广泛地采用边缘智能。
排序理由 该集群包含一篇学术论文，详细介绍了一种提高AI推理可靠性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- CIFAR-100
- Conformal Alignment
- Conformal prediction
- Edge Intelligence
- Jiayi Huang
- multiple hypothesis testing
- TeleQnA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
