10:59
arXiv cs.AI@Alina Bazarova, Johann Fredrik Jadebeck, Henrik Zunker, Carolina J. Klett-Tammen, Torben Heinsohn, Wolfgang Wiechert, Katharina Noeh, Stefan Kesselheim
推荐理由：这篇论文用COVID-19数据实测，SBI比MCMC快几十倍，精度不输，适合需要快速迭代的流行病学建模场景。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
10:59
该研究将基于模拟推理（SBI）的神经后验估计用于SECIR流行病学模型的贝叶斯校准，并使用2020年德国COVID-19 ICU入住数据。在31天推断窗口中，SBI恢复的后验分布与MCMC高度一致，准确再现ICU轨迹。在更具挑战的201天重构问题中，SBI保留了主要后验结构，尽管不确定性增加。SBI在单GPU上完成31天推断仅需60-70秒，而MCMC需要约1000秒；201天任务中SBI平均157秒，MCMC超过19000秒。结果表明SBI为快速近实时疫情分析提供了高效框架。
10:20
10:20
arXiv cs.LG@Graham Gibson, John Tipton, Kellin Rumsey, Natalie Klein
推荐理由：Ribbon用一种巧妙的线性化技巧，让你不用反复训练就能估算模型的不确定性，而且结果和更复杂的bootstrap差不多。
6月16日
20:46
AITOP6月16日 20:46
13:05
13:05
arXiv cs.AI@Yanan Long
推荐理由：这篇论文用贝叶斯方法检查了LiveBench等公共AI评估档案，发现很多宣称有问题，帮你判断哪些基准成绩可信。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07