研究人员引入了SUrrogate ReFerence (SURF) 方法来验证高能物理学中的生成模型,特别是用于喷注辨识。该框架通过在可处理的代理模型样本上训练目标模型来实现精确的Neyman-Pearson检验,而该代理模型本身则在真实数据上进行训练。研究表明,当前的喷注辨识器可能正在接近其统计极限,而自回归GPT模型似乎高估了分离能力,从而对这些基本极限产生了误导性的看法。 AI
影响 引入了一种新颖的生成模型验证技术,有可能提高科学模拟和分析的准确性。
排序理由 该集群包含一篇研究论文,详细介绍了一种在特定科学领域验证生成模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- DagsHub
- EPiC-FM
- generative pre-trained transformer
- Hugging Face
- Ian Pangilinan
- IArxiv
- JetClass
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →