研究提出选择性预测验证样本代价理论

2026年10月22日，arXiv机器学习领域发表题为《选择性预测中的选择代价》的研究成果。该项研究刻画了在选择性预测中验证风险-覆盖率合约所需的样本代价。研究证明，在小间隙大菜单机制下，K 区间菜单的极大极小样本量为 $K(1-\kappa)/(\kappa\gamma^2)$；同时研究还指出，精确交并检验（IUT）可以达到该样本速率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。