研究人员推出CP4SBI，一个旨在改进模拟基推断（SBI）中可信区间校准的新框架。该方法解决了SBI中常见的后验近似欠覆盖问题，这对于使用复杂模型的实验科学家至关重要。CP4SBI提供了有限样本本地覆盖保证，并在实验中证明了其对神经后验估计器不确定性量化的改进。 AI
影响 增强了神经后验估计器不确定性量化，可能提高了AI模型在科学模拟中的可靠性。
排序理由 介绍新方法论和框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
新框架CP4SBI改进了模拟基推断中的可信区间校准
报道来源 [1]
-
CP4SBI: Local Conformal Calibration of Credible Sets in Simulation-Based Inference
arXiv:2508.17077v3 Announce Type: replace Abstract: Current experimental scientists have been increasingly relying on simulation-based inference (SBI) to invert complex non-linear models with intractable likelihoods. However, posterior approximations obtained with SBI are often m…