Mondrian Learn-then-Test

新研究详细介绍了文档提取风险控制中的失效模式

研究人员在文档提取系统的逐字段选择性风险控制中识别出了三种失效模式，这对于建立信任至关重要。这些模式包括文档聚类、分数重拟泄漏和一种平局质量病理。该研究提出了一个“有效性阶梯”的修复方案来解决这些问题，其中 Mondrian 学习后测试方法提供了逐组 PAC 证书。研究结果表明，虽然在某些情况下，基于文档类型的条件化可以提高严谨性，但在汇集阈值无法认证的情况下，学习到的分数更有效。