研究人员开发了一个名为成本感知(CA)顺序假设检验(CASHT)的新框架,旨在最大限度地降低预期总成本而非样本数量。当传感动作具有不同、随机的成本时,这种方法特别有用。该研究证明,对于固定成本,最优预期总成本随误差约束呈对数增长,并且可以使用特定的基于测试的过程来实现。该框架还分析了具有随机成本的情况,考虑了成本是在获取样本之前还是之后披露,并证明CASHT变体与传统方法相比,持续降低了总成本。 AI
排序理由 该集群包含一篇详细介绍新研究框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →