发布基于稀疏评测结果的快速贝叶斯不确定性量化论文
热点事件持续更新
发布基于稀疏评测结果的快速贝叶斯不确定性量化论文
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Chen Ye Gan 等在 arXiv 提交论文,提出一种针对 AI 评测的不确定性量化方法:仅用公开评测计数构造弱 Beta 先验,再从至多 31 个已揭示结果中精确更新,无需物品语义、预训练权重或推理 API。 该方法在 AIMS 竞赛的线上评测中取得团队自报的 Brier ALC 0.188477;另一次公开评测覆盖 79 个系统-基准组合和 8 个随机种子,提交方法的 Brier ALC 为 0.200250。
AI 根据报道生成 · 32 分钟前更新
最新进展11月20日 13:00
稀疏 AI 评测中的快速贝叶斯不确定性量化方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI稀疏 AI 评测中的快速贝叶斯不确定性量化方法
一种用于 AI 评测不确定性量化的快速贝叶斯方法,仅用公开评测计数构造弱 Beta 先验,并从至多 31 个已揭示结果中精确更新,无需物品语义、预训练权重或推理 API。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。