PulseAugur
中
实时 07:16:34
English(EN) Optimizing for the decision not the prediction: an exploration of Smooth Net Benefit as a training objective

新的训练目标 $\sigma$NB 在临床决策模型上表现不一

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了一种名为平滑净收益（$\sigma$NB）的新训练目标，作为机器学习模型传统方法（如伯努利负对数似然（NLL））的替代方案，特别是在临床决策制定背景下。他们使用 Framingham 等数据集和 TabZilla 基准测试，并结合逻辑回归、GAM 和 XGBoost 等模型进行了实验，结果喜忧参半。虽然 $\sigma$NB 在 TabZilla 数据集上的逻辑回归模型中提供了净收益的适度改进，但它并未持续优于 NLL，甚至在 GAM 模型上表现有所下降。研究表明，与作为 NLL 的通用替代方案相比，以决策为中心的优化在模型灵活性有限时可能最有益。 AI

影响 探索了可能提高 AI 模型在医疗保健等专业领域决策能力的替代训练目标。

排序理由 介绍和评估机器学习模型新颖训练目标的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的训练目标 $\sigma$NB 在临床决策模型上表现不一

本文如何被排名

Signal score
23 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
介绍和评估机器学习模型新颖训练目标的论文。[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, model release
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 cs.LG TIER_1 English(EN) · Koen M. F. Gorgels, Lasai Barre\~nada, Maarten van Smeden, Ben Van Calster, Ewout W. Steyerberg, Wouter A. C. van Amsterdam ·

    优化决策而非预测：对平滑净收益作为训练目标的探索

    arXiv:2609.12752v1 Announce Type: new Abstract: Objective Prediction models are commonly trained using objectives such as Bernoulli negative log-likelihood (NLL), although downstream clinical decisions may depend on specific risk thresholds. We introduce Smooth Net Benefit ($\sig…

相关实体

相关话题