09:13
官方账号arXiv cs.LG@Abderaouf Bahi
推荐理由：这篇论文把GNN在数据分布变了之后到底准不准、慌不慌讲透了，还给出了一个不用标签的校准方法STAC，做图模型部署的值得一看。
STAC
共 1 条相关 AI 资讯
7月14日
09:13
这篇论文给出了图神经网络（GNN）在分布偏移下校准的第一个闭式理论表征，发现校准由单个标量决定，该标量依赖于源图与目标图之间的结构变化和特征质量。理论精确识别了模型何时过度自信、欠自信或保持校准，并直接导出了最优温度缩放策略。作者将分析扩展到对称归一化的图卷积网络、多分类和协变量偏移，导出了期望校准误差的理论上界。基于这些洞察提出了无需源域标签的STAC方法，在合成基准上校准显著提升，但在五个真实世界图数据集上不依赖目标标签的可靠校准仍具挑战。