新框架通过主动推理改进U统计量，适用于标签成本高昂的情况

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-12 06:59

研究人员开发了一种新的U统计量主动推理框架，旨在提高数据标注成本高昂时的估计效率。该方法在固定预算内选择性地查询信息性标签，并以增强的逆概率加权U统计量为基础。该框架还扩展到基于U统计量的经验风险最小化，在实验中显示出显著的效率提升并保持了目标覆盖率。 AI

影响这项研究可能导致在数据采集成本高昂的机器学习应用中采用更有效的数据标注策略。

排序理由该集群包含一篇详细介绍新统计推断方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv stat.ML TIER_1 English(EN) · Xiaoning Wang, Yuyang Huo, Liuhua Peng, Changliang Zou · 2026-05-13 04:00

基于主动推理的学习U统计量

arXiv:2605.11638v1 Announce Type: new Abstract: $U$-statistics play a central role in statistical inference. In many modern applications, however, acquiring the labels required for $U$-statistics is costly. Motivated by recent advances in active inference, we develop an active in…
arXiv stat.ML TIER_1 English(EN) · Changliang Zou · 2026-05-12 06:59

学习U统计量与主动推理

$U$-statistics play a central role in statistical inference. In many modern applications, however, acquiring the labels required for $U$-statistics is costly. Motivated by recent advances in active inference, we develop an active inference framework for $U$-statistics that select…