实体
Johan Hallberg Szabadváry
Johan Hallberg Szabadváry
PulseAugur coverage of Johan Hallberg Szabadváry — every cluster mentioning Johan Hallberg Szabadváry across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架揭示 AI 分布偏移检测中的盲点
研究人员引入了一个名为 Conformal Test Martingales (CTMs) 的新框架，旨在检测数据中的分布偏移。这些 CTMs 利用由一致性函数生成的 p 值，但它们可能对保持推前分布不变的偏移不敏感。该研究通过“A-等价类”形式化了这一限制，并将“A-隐匿 I-投影”识别为该类中与目标分布最接近的分布。这项工作与最优 e-值设计相关，并通过高维图像数据展示了该概念，说明了如何在不被 CTM 检测到的情况下改变分布。
-
新型勒让德多项式鞅增强分布偏移检测能力
研究人员引入了一类新的基于移位勒让德多项式的共形检验鞅，旨在更有效地检测数据中的分布偏移。这些方法扩展了现有技术，不仅能识别均值位置的偏移，还能检测方差和偏度等高阶矩的偏差。提出的变分勒让德跳跃鞅为实时监控分布偏移提供了一种可扩展的、恒定时间复杂度的解决方案，解决了先前方法的复杂性问题。
-
新的勒让德跳跃鞅增强了在线可交换性检验
研究人员引入了一类新的共形检验鞅，称为勒让德跳跃鞅，旨在检测数据中偏离可交换性的情况。这些鞅通过使用任意阶数的多元投注函数来识别方差、偏度和高阶偏差，从而扩展了简单跳跃鞅。变分勒让德跳跃通过使用均场近似来实现线性时间复杂度，解决了乘积勒让德跳跃的状态空间扩展问题。在真实分类任务上的实证结果表明，这些组合方法优于单阶鞅，并且推荐使用复合变体来处理未知的变化时间尺度。