Sketched Calibration

新方法提高AI在数据偏移下的预测准确性

研究人员推出了一种名为“草图校准”（sketched calibration）的新方法，以提高在处理协变量偏移时，一致性预测（conformal prediction）的准确性。该技术通过压缩协变量来降低与重新加权校准分数相关的计算成本，而重新加权是处理此类偏移的标准方法。该方法的有效性通过模拟和真实世界数据得到证明，与未加权校准相比，预测集的大小显著减小，尤其是在后者失效的情况下。