PulseAugur
中
实时 09:54:19
English(EN) Online selective conformal inference: adaptive scores, convergence rates and optimality

新算法实现具有自适应能力的选择性共形推断

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Gibbs和Candès（2021）算法的扩展，称为OnlineSCI，它允许在监督在线环境中进行选择性共形推断。这种新方法使用户能够选择推断的具体时间，将其应用扩展到构建极端结果的预测区间、带弃权的分类以及在线测试等任务。OnlineSCI严格控制整体和基于选择的条件错误率，并且重要的是，它支持点预测算法的自适应更新，可能以明确的收敛率收敛到最优解。 AI

影响 在在线学习环境中引入了一种新颖的不确定性量化方法，有望提高自适应预测任务的可靠性。

排序理由 该集群包含一篇详细介绍新统计推断算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新算法实现具有自适应能力的选择性共形推断

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍新统计推断算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Pierre Humbert, Ulysse Gazin, Ruth Heller, Etienne Roquain ·

    在线选择性一致性推断：自适应分数、收敛速度和最优性

    arXiv:2508.10336v3 Announce Type: replace-cross Abstract: In a supervised online setting, quantifying uncertainty has been proposed in the seminal work of Gibbs and Cand\`es (2021). For any given point-prediction algorithm, their method (ACI) produces a conformal prediction set w…

相关话题