热点事件持续更新
学者研究固定置信度分布下的分类器可靠性漂移
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月，相关研究探讨了分类器在置信度分布保持不变的协变量偏移下，其条件准确率仍会发生漂移的现象。研究基于卡方（χ²）预算构建了脆弱性剖面（fragility profile）以刻画最坏情况下的可靠性漂移。理论表明，在特定预算区间内，该漂移量等于预算平方根乘以正确倾向的层内方差。在 ImageNet 实验中，测试的原始 6 个主要模型中有 4 个表现出正的漂移下置信界；在经过温度缩放处理后的 18 个模型中，仍有 3 个表现出正的漂移下置信界。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究构建了基于卡方预算的脆弱性剖面，用于量化固定置信度分布下的分类器准确率漂移。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能固定置信度分布下分类器可靠性会发生多大漂移？
研究表明分类器在置信度分布不变的协变量偏移下条件准确率仍会发生漂移，并基于卡方（$\chi^2$）预算构建了脆弱性剖面（fragility profile）来刻画最坏情况。在特定预算区间内，该漂移等于预算平方根乘以正确倾向的层内方差。在 ImageNet 实验中，原始 6 个主要模型中有 4 个、温度缩放后 18 个模型中有 3 个表现出正的漂移下置信界。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 13:00）·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。