English(EN) Robust Predictive Uncertainty and Double Descent in Contaminated Bayesian Random Features

新的贝叶斯方法增强了随机特征回归的不确定性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种新的鲁棒贝叶斯方法用于随机特征回归，明确考虑了先验和似然模型中潜在的错误指定。该方法引入了污染集，以提供更可靠的不确定性量化，并提供明确的最坏情况保证。所得的不确定性包络在计算上是可行的，并保持了随机特征模型特有的双下降行为。 AI

影响为回归模型中的不确定性量化引入了新颖的理论框架，可能提高AI应用的可靠性。

排序理由该集群包含一篇详细介绍机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Michele Caprio, Katerina Papagiannouli, Siu Lun Chau, Sayan Mukherjee · 2026-06-02 04:00

Robust Predictive Uncertainty and Double Descent in Contaminated Bayesian Random Features

arXiv:2602.19126v2 Announce Type: replace Abstract: We propose a robust Bayesian formulation of random feature (RF) regression that accounts explicitly for prior and likelihood misspecification via Huber-style contamination sets. Starting from the classical equivalence between ri…