№conformal·general
Conformal
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-07-22
- 累计提及
- 16
§ 01综述
Conformal 预测（共形预测）是一种无需分布假设的预测不确定性量化方法，它通过历史数据构造具有统计保证的预测区间或集合，在机器学习可靠性领域备受关注。其核心思想是利用已知样本的“非一致测度”对新样本进行置信度校准，输出覆盖真实标签的概率保证。
Conformal 近期进展
反事实决策中的预测集：一项研究将共形预测应用于反事实决策场景，提出了覆盖最优的预测集构造方法，可在保证覆盖概率的前提下最小化预测集的大小，提升决策效率。反事实决策中的预测集：覆盖、最优性与共形预测
局部化共形预测提升VLM图像分类：针对视觉语言模型（VLM）图像分类任务，研究者提出局部化共形预测方法，通过自适应地调整每个样本的预测区间，显著提高了分类置信度的校准精度，尤其在细粒度类别上表现更佳。Localized Conformal Prediction用于VLM图像分类的改进方法
图原生时间序列的过滤共形椭球：处理图结构的时间序列数据时，新方法引入过滤共形椭球，将共形预测扩展到非欧几里得空间，能够为动态图节点提供同时具有时空相关性的不确定度量。图原生时间序列的过滤共形椭球方法
当前焦点与观察点
当前，共形预测的研究热点正从简单的回归分类任务向复杂场景（如反事实推理、多模态数据、图结构）扩展。如何平衡统计保证与计算效率、如何设计适应数据异质性的局部化策略，是学界关注的核心。此外，与深度学习模型的结合仍需解决非交换性假设与分布漂移等问题。