Neyman
PulseAugur coverage of Neyman — every cluster mentioning Neyman across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Transformer 模仿贝叶斯教师，实现高效 ATE 估计
研究人员开发了一种新颖的方法，利用 transformer 模型来提高估计平均处理效应 (ATE) 的自适应实验的效率。这些“贝叶斯上下文内实验者”经过训练，可以模仿贝叶斯后验 Neyman 教师，该教师利用实验历史来更新对潜在结果的信念并分配处理概率。采用基于注意力机制的充分统计量和投影梯度下降的 transformer 架构，有效地模仿了这种贝叶斯更新过程。为了处理结果平滑度的变化，采用了混合专家 transformer，其中门充…
-
AI监督分配方法学习任务可靠性
一篇新研究论文提出了一种在人工智能驱动的分析系统中优化分配人工监督的方法。该方法通过学习和适应纠正AI错误难度的能力，解决了不同任务中AI可靠性不均的挑战。该策略旨在将验证资源导向AI最不可靠的任务，从而提高AI辅助决策的整体有效性。
-
新的PPCI框架通过辅助数据增强因果推断
研究人员引入了一个名为预测驱动因果推断（PPCI）的新框架，以改进因果和结构参数的估计。该方法利用未标记的辅助回归量以及标记数据，与仅使用标记观测值的方法相比，实现了更小的渐近方差。提出的DML-PPCI方法，包括EE-DML-PPCI和TMLE-DML-PPCI，旨在匹配导出的效率边界并利用Neyman正交得分进行估计。
-
去偏 ML：Neyman 正交分数指导 Riesz 回归以实现更好的平衡
本文提出，去偏机器学习中的平衡函数应源自 Neyman 正交分数，而不是仅仅依赖协变量。作者认为，虽然协变量平衡适用于回归误差仅取决于协变量的情况，但在异质性处理效应的情况下，它可能会导致特定于处理的组件不平衡。他们主张使用基于完整回归量基函数的 Riesz 回归进行回归量平衡，作为去偏机器学习的一个更普遍的原则。