12:21官方账号arXiv cs.LG@Kornelius Raeth, Nicole Ludwig该论文提出决策感知训练方法,在基于样本的生成模型训练中,将能量分数(energy score)目标与可微决策损失(decision loss)结合,直接惩罚下游决策成本。决策损失本身是严格适当的评分规则,具有理论保证。在1个合成任务和2个真实世界任务上验证,该方法在成本敏感区域提升性能,同时保留完整概率预测。论文sample-based generative modelsenergy score决策损失概率预测决策优化推荐理由:这篇论文提出一个很实用的思路:训练生成模型时直接考虑下游决策成本,而不是只匹配数据密度。在概率预测场景中特别有价值。原文