arXiv cs.AI· Fabian Denoodt, Sibylle Hess·· 9 天前AI 评分23
贝叶斯神经网络何时采样足够？带统计保证的自适应推理时间
When Has a Bayesian Neural Network Sampled Enough? Adaptive Inference Time with Statistical Guarantees
AI 导读
研究提出用置信序列动态决定贝叶斯神经网络每个输入所需的 Monte Carlo 采样数，在保持统计保证的前提下按需分配计算预算。该方法覆盖最可能类别识别、完整预测分布近似和概率阈值决策三类场景，一旦能以目标保证做出决策即停止采样。实验显示其将更多样本分配给模糊输入、更少给简单输入，在保持可靠决策的同时降低整体延迟。
正文 · AI 翻译
摘要：贝叶斯神经网络预测通常使用每个输入固定数量的蒙特卡洛样本进行近似，而无法控制由这种有限样本带来的误差。我们提出使用置信序列来动态确定需要多少样本，同时保持统计保证。我们考虑了预测概率的几种使用方式，包括识别最可能的类别、近似完整的预测分布，以及解决概率阈值决策。一旦能够在所需保证下做出相应决策，采样即停止。实验表明，该方法能够高效地分配计算预算，将更多样本分配给模糊输入而非简单输入，同时保持可靠的决策，并相对于固定的蒙特卡洛预算减少整体延迟。
| 评论： | 第 40 届神经信息处理系统大会（NeurIPS 2026）。研讨会：E-Values：从统计学到机器学习 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.12212 [cs.AI] |
| （或 arXiv:2610.12212v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12212 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Fabian Denoodt [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 16:01:08 UTC（204 KB）
来源：arXiv cs.AI · arxiv.org