English(EN) False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control

研究发现，AI风险控制方法在分组部署下会失效

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-16 04:00

一篇新发表在arXiv上的研究论文探讨了选择性预测方法在AI系统风险控制中的有效性。研究发现，诸如朴素阈值之类的常见做法可能导致虚假的安全感，在许多试验中错误率显著超过了声明的预算。诸如Clopper-Pearson和下注置信上限等认证方法表现更好，但由于可交换性前提被破坏，在分组部署下仍然出现超额。 AI

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了AI安全和风险控制的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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) · Jingwen Zhou, Mingzhe Wang · 2026-06-16 04:00

False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control

arXiv:2606.15153v1 Announce Type: new Abstract: Selective prediction with distribution-free risk control promises that, with confidence 1-delta over the calibration draw, the error rate of accepted inputs stays below a user budget alpha. We audit this promise on signal-domain det…

报道来源 [1]

False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control

相关实体

相关话题