arXiv 机器学习· Sukesh Kumar, Dilip Singh·· 3 小时前AI 评分33
数据差异化框架（DDF）：在智能体评估流水线 SDSAE 中利用信息论与博弈论度量量化边际数据价值
The Data Differentiator Framework (DDF): Quantifying Marginal Data Value with Information-Theoretic and Game-Theoretic Measures in an Agentic Evaluation Pipeline (SDSAE)
AI 导读
研究提出数据差异化框架（DDF）及配套智能体流水线 SDSAE，结合互信息冗余惩罚与成本归一化边际效用来量化候选数据集的增量价值。在包含 284,807 笔交易的信用卡欺诈基准测试中，真正具备差异化的资产通过显著性检验（ΔAUC = +0.0029）并获采购推荐（DDS = +0.663），完全冗余资产得分最低（DDS = -0.135）。该推荐在 22 种权重配置中的 19 种下保持稳定。
来源：arXiv 机器学习 · arxiv.org