热点事件持续更新

研究人员提出归纳图局部保形预测框架GLocalCP

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

2026年11月4日，研究人员在arXiv发布关于归纳图保形预测的研究，提出在线保形预测框架GLocalCP。该框架适用于归纳式节点分类和边预测，通过结合边际与图局部校准来生成不确定性自适应预测集。在理论保证方面，GLocalCP在无需可交换性或平稳性假设的前提下，建立了O(N^{-1/2})的边际与图局部校准误差界。实验结果表明，在各7个节点分类与边预测基准测试中，该框架在维持目标覆盖率的同时降低了局部校准误差，并缩减了预测集的大小。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

13:00
arXiv 机器学习
归纳图上保形预测的图局部覆盖
研究人员提出在线保形预测框架 GLocalCP，用于归纳式节点分类和边预测，结合边际与图局部校准生成不确定性自适应预测集。该框架在无需可交换性或平稳性假设下，建立了 $O(N^{-1/2})$ 边际与图局部校准误差理论保证。在各 7 个节点分类与边预测基准测试中，GLocalCP 在维持目标覆盖率的同时降低了局部校准误差并缩减了预测集大小。

本事件热度走势

当前热度 9·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。