研究提出机器学习分配与传统甄别的最优结合机制

Santiago Cortes-Gomez 等在 arXiv 发布论文，研究机器学习风险评分分配与传统甄别（screening）在资源配置中如何最优结合。研究构建两阶段框架：先对部分单元的真实结果进行甄别，再在固定覆盖预算下完成最终分配。 论文证明最优策略是甄别算法分配边际上的单元，并直接瞄准最高风险单元；甄别的效率收益随人群中偶然不确定性增加而增长，最优预算切分只取决于两者成本比。作者以收入型社会保护项目和哥伦比亚人道主义排雷为例说明该框架。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。