研究人员引入了一个名为“部分执行预测”的新框架来解决机器学习中的分布偏移问题。该框架同时考虑了模型部署引起的内部变化和外部不可控的环境漂移。该研究将执行稳定性和最优性的现有概念扩展到这种在线设置，并分析了诸如重复再训练等策略以适应这些不断变化的环境。 AI
影响 引入了更现实的分布偏移模型，可能提高已部署机器学习系统的鲁棒性。
排序理由 该集群包含一篇详细介绍机器学习新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
新框架模拟机器学习分布偏移的两种来源
报道来源 [2]
-
部分表演性预测
arXiv:2606.07890v1 Announce Type: cross Abstract: Performative prediction studies feedback loops that arise when predictive models are deployed in consequential domains. In these settings, deploying a model can change the population whose patterns the model aims to predict, induc…
-
部分表演性预测
Performative prediction studies feedback loops that arise when predictive models are deployed in consequential domains. In these settings, deploying a model can change the population whose patterns the model aims to predict, inducing a distribution shift that is endogenous to the…