11:42
官方账号arXiv cs.LG@Martin Anthony, Kaveh Salehzadeh Nobari
推荐理由：这篇论文给出了高召回场景下审计遗漏量的理论基础和实用方法，适合做检索系统或数据管线的朋友参考。
高召回
共 1 条相关 AI 资讯
7月24日
11:42
该论文研究了在高召回候选生成阶段，如何通过有限样本审计来认证遗漏的相关项目数量很小。作者证明了仅使用候选集内部标签无法认证任何非平凡遗漏量，审计必须采样排除池，并给出了匹配的下界：在零遗漏场景下，需检查约N_0/m个排除池标签。基于此，他们开发了精确有限样本工具包，使用二项式和高几何分布反演，可认证遗漏量、转换召回率、同时认证嵌套候选生成器家族，并产生压力测试证书。所有保证基于标签检查前固定候选生成器和审计规则。