Yajie Bao

新研究推进共形预测在不确定性量化方面的应用

几篇近期研究论文探讨了共形预测的进展，这是一种用于量化机器学习模型不确定性的方法。其中一篇论文介绍了一种高效的在线共形选择技术，该技术所需的反馈较少；另一篇则侧重于实现共形预测公平性所涉及的权衡，强调了覆盖率和集合大小之间的张力。其他研究深入探讨了共形预测的新理论框架，包括使用迁移的 beta 分布、通过分数变换收紧覆盖界限以及通过扩展到多变量校准来优化不分割数据的预测集。