arXiv 机器学习· Ivan Viakhirev, Kirill Borodin, Grach Mkrtchian·· 5 小时前AI 评分41
独立与非负相关噪声下胜者偏差的紧确界
Sharp Bounds on the Winner's Bias under Independent and Nonnegatively Correlated Noise
AI 导读
该研究推导出了独立非同分布与成对非负相关噪声下胜者偏差的紧确界常数，分别为 $\sqrt{(M-1)/(2M)}$ 和 $(M-1)/M$，所有定理均在 Lean 4 中完成形式化验证。研究同步给出了交叉验证估计量的偏差紧确界。在 448 个语言模型与分类器选择流程中，候选专属项设计达到独立类上限中位数的 0.75，且在固定预算下共享评测项比分配独立项的乐观偏差明显更低。
来源：arXiv 机器学习 · arxiv.org