热点事件持续更新

研究者提出部分观测下图预测误差序列审计方法

1 篇报道1 个报道来源20 小时前更新

先了解这件事

AI 综述

针对图预测系统中真实结果仅部分可见的问题，2026年11月4日发表于arXiv的研究提出了一种在有限预算下选择性检索缺失数据以审计连通预测误差的方法。在三个公开图时间序列的测试中，当30%的标签被隐藏时，MOMS方法相比筛选随机采集将平均查询量减少了19.6%至38.5%。此外，实验还表明直接分量遍历无需枚举连通子集即可复现全部9,696条轨迹，并且减少决策查询不一定会改善早期事件发现。

AI 根据报道生成 · 20 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
部分观测下连通预测误差的顺序审计
针对图预测系统中真实结果仅部分可见的问题，该研究提出了在有限预算下选择性检索缺失数据以审计连通预测误差的方法。在三个公开图时间序列上，当 30% 标签被隐藏时，MOMS 相比筛选随机采集将平均查询量减少 19.6% 至 38.5%。实验还表明，直接分量遍历无需枚举连通子集即可复现全部 9,696 条轨迹，且减少决策查询不一定会改善早期事件发现。

本事件热度走势

当前热度 6·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。