实体
multicalibration
multicalibration
PulseAugur coverage of multicalibration — every cluster mentioning multicalibration 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
-
新的多校准方法可减少AI模型患病率估计中的偏差
研究人员开发了一种名为多校准的新方法，以解决模型基础患病率估计中的偏差问题，尤其是在处理协变量偏移时。与假设速率恒定的标准方法不同，该技术可确保不同人群的测量误差率保持稳定。实践证明，多校准在减少偏差方面是有效的，例如通过在估计就业患病率（使用调查数据）和使用大型语言模型对政治文本进行分类中的应用所证明。
-
新研究提出多重校准以改进图匹配算法
一篇新论文介绍了一种名为多重校准的方法，用于在对边权重使用不完美预测器的情况下改进加权图中的匹配算法。该研究由 Simone Di Gregorio 领导，展示了如何构建一个多重校准预测器，该预测器可以补偿错误，从而与使用原始预测器相比，获得具有竞争力的匹配性能。该论文还提供了样本复杂度的理论界限，并包括实验结果来验证该方法。
-
新研究论文探讨多层预测校准的样本复杂度
一篇新发表在arXiv上的研究论文详细介绍了多层属性多校准的样本复杂度。该研究为k个属性的序列建立了匹配的样本复杂度上限和下限，证明了要达到一定的误差率需要样本数量随着属性的复杂性而增长。研究结果在三个典型示例中得到实例化，并对理解复杂预测任务的数据需求具有启示意义。