精选理由
这篇论文解释了为什么时间链接预测中准确率高不一定代表模型学对了因果关系，还给出了数学上的权衡证明。
研究人员在二元逻辑模型中发现，最大化Fisher信息与参数可恢复性的区域同时也是熵最高的区域，导致即使在完美参数恢复下个体预测也固有困难。他们提出一个因果概率框架，用于生成具有瞬态边和已知因果结构的时间图。推导了Cramér-Rao界，验证了参数估计误差与不可减少的预测损失之间的权衡。结果表明，仅靠预测准确性可能无法反映模型是否学习了潜在因果机制。
AI 翻译 · 中文
研究人员在二元逻辑模型中发现，最大化Fisher信息与参数可恢复性的区域同时也是熵最高的区域，导致即使在完美参数恢复下个体预测也固有困难。他们提出一个因果概率框架，用于生成具有瞬态边和已知因果结构的时间图。推导了Cramér-Rao界，验证了参数估计误差与不可减少的预测损失之间的权衡。结果表明，仅靠预测准确性可能无法反映模型是否学习了潜在因果机制。
Temporal link prediction is usually evaluated by predictive performance on unseen edges, but in probabilistic temporal graphs this criterion can conflate model error with irreducible uncertainty. We study this issue by c…