一篇新发表在arXiv上的研究论文强调了信用评分模型评估中的一个关键缺陷，尤其是在使用拒绝推断方法时。该研究揭示，这些方法可能制造一种“改进的幻觉”，即准确性指标显示出进步，即使模型识别潜在违约者的能力正在恶化。研究人员提出了一种受控探索策略，即批准一小部分被拒绝的申请人以观察他们的真实结果，以此打破反馈循环并提供对模型性能更准确的评估。该方法被证明在不同的机器学习技术和真实世界数据集上都有效，表明需要修订在生存偏差下训练的模型的标准评估协议。 AI
影响 强调了AI模型评估中潜在的缺陷，影响了AI系统在金融应用中的可靠性。
排序理由 学术论文，详细介绍了特定领域的新发现和提出的方法论。[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 →