PulseAugur
中
实时 10:25:22

新的 MA-SBI 框架利用侧信道数据进行准确的基于仿真的推断

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种新颖的基于仿真的推断框架 MA-SBI，该框架解决了模拟器错误指定带来的挑战。与需要参数校准对的先前方法不同，MA-SBI 利用非结构化的侧信道信息（如文本）来纠正后验估计，而无需重新训练。该框架的理论界限表明，偏差的减少与错误指定和侧信道数据之间的互信息有关。实证结果证明了 MA-SBI 的有效性，在基准测试中匹配了神谕后验，并提高了流行病学真实数据的性能。 AI

影响 这项研究提供了一种新方法，通过利用易于获取的侧信道信息来提高模拟的准确性，有可能增强需要复杂建模的领域的应用。

排序理由 该集群描述了一篇新发表在 arXiv 上的研究论文，详细介绍了一种新颖的基于仿真的推断框架。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Arunkumar V, Manoranjan Gandhudi, Gangadharan G. R., Arun Prakash, S. Senthilkumar ·

    MA-SBI: Misspecification-Aware Simulation-Based Inference via Side-Channel Guidance

    arXiv:2606.16923v1 Announce Type: new Abstract: Simulation-based inference (SBI) of latent parameters is often hindered by simulator misspecification, the mismatch between simulated and real-world observations caused by inherent modeling simplifications. RoPE, the recent state-of…

  2. arXiv stat.ML TIER_1 English(EN) · S. Senthilkumar ·

    MA-SBI: Misspecification-Aware Simulation-Based Inference via Side-Channel Guidance

    Simulation-based inference (SBI) of latent parameters is often hindered by simulator misspecification, the mismatch between simulated and real-world observations caused by inherent modeling simplifications. RoPE, the recent state-of-the-art for robust SBI, addresses this through …

相关实体

相关话题