11:09
官方账号arXiv cs.LG@Ange-Clément Akazan, Ineza Remy Mugenga, Abebe Geletu, Jean Medard Ngnotchouye, Issa Karambal
推荐理由：想减少模型自信犯错？ReliableNet 直接约束这种错误率，比校准和选择性预测更稳，测试里表现最好。
机会约束
共 2 条相关 AI 资讯
8月11日
11:09
ReliableNet 提出一种新的训练方法，直接约束模型同时自信且预测错误的联合概率（JCW），使其低于用户设定的风险预算 α。该方法将问题建模为机会约束的经验风险最小化，并用保守光滑内近似保证可行性。在四个表格和两个图像数据集上，ReliableNet 是唯一在所有分布内数据集和随机种子下满足 JCW 预算的方法。在多种分布偏移下，它取得最低的经验 JCW，同时保持较高的准确率和校准性能。
6月12日
11:12
11:12
官方账号arXiv cs.LG@Yashdeep Chaudhary, Roberto Armellin, Harry Holt, Marco Sagliano
推荐理由：航天器轨迹规划团队终于有了一个分布无关的鲁棒优化方案——无需假设不确定性分布，仅需可采样，且能跨问题复用核心结构。做深空任务或火箭着陆控制的开发者可以直接参考其强化学习鲁棒化方法。