PulseAugur
实时 10:43:16
English(EN) LEC: Linear Expectation Constraints for Selection-Conditioned Risk Control in Selective Prediction and Routing Systems

新的LEC框架通过风险控制增强了基础模型的可靠性

研究人员开发了一个名为LEC(线性期望约束)的新框架,以提高基础模型在选择性预测任务中的可靠性。LEC将选择性预测重新构建为决策问题,直接控制用户选择条件下的边际错误概率。这种方法确保接受的预测的错误概率不超过指定的风险水平,在问答和视觉问答任务的样本保留方面优于现有方法。该框架还扩展到双模型路由系统,在委托给次级模型时保持系统级别的错误控制。 AI

影响 通过提供预测准确性的统计保证来增强基础模型的可靠性,有可能在关键应用中增加用户信任和采用率。

排序理由 详细介绍新框架以提高AI模型可靠性的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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LEC框架通过风险控制增强了基础模型的可靠性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zhiyuan Wang, Aniri, Tianlong Chen, Yue Zhang, Heng Tao Shen, Xiaoshuang Shi, Kaidi Xu ·

    LEC:选择条件风险控制中的线性期望约束,用于选择性预测和路由系统

    arXiv:2512.01556v3 Announce Type: replace Abstract: Foundation models often generate unreliable answers, while heuristic uncertainty estimators fail to fully distinguish correct from incorrect outputs, causing users to accept erroneous answers without any statistical guarantee. W…