跳到正文
arXiv cs.AI· Zhirong Su, Tian Zhang·· 4 小时前AI 评分24

五层框架审计基准测量:以 UAV 意图识别为例拆解编码、可解码性与使用

Encoding, Decodability, and Use: A Five-Layer Framework for Benchmark Measurement Audits with Evidence from UAV Intent Recognition

AI 导读

研究者提出并在 AeroIntent 上实例化五层框架,将基准准确率拆为观察、表征、解码、使用与行为五层,区分编码、可解码性与使用。观察层在 20 个 Drone 程序中 7 个不可靠,径向速度直接视觉相关项在 0.26% 尺度变化下触底;解码层多特征 Bonferroni 阈值下 MDE 为 |r|=0.599,而最大样本外相关仅 r=+0.080、power 为 0.00。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:基准准确率通常被解读为模型理解该基准所测量构念的证据。我们提出并在 AeroIntent 上实例化了一个五层框架,将该解读分解为观察、表征、解码、使用和行为。该框架将编码、可解码性和使用区分为不同层级。在实例化中,观察层在 20 个 Drone 程序中有 7 个不可靠,并将径向速度的直接视觉相关量在 0.26\% 的尺度变化下压至下限。表征层暴露出两个任务设计的 RGB 特征,其信号仅为名义水平。RAFT 光流径向偏差达到 $r=+0.257$($p=0.030$),边界框光流散度达到 $r=+0.203$($p=0.029$)。没有任何多特征读出给出的折均值测试相关性高于簇最小可检测效应(MDE),最大的正全局样本外相关性为 $r=+0.080$。解码层在多特征 Bonferroni 阈值($\alpha=0.00714$,功效 0.80)下将 MDE 设为 $|r|=0.599$,而观测到的 $r=+0.080$ 功效为 0.00。两个注入实验从两侧确立了 MDE 的条件:对齐注入在达到或高于模拟功效时被检测到,正交注入则未被检测到。使用层发现准确率与程序记忆(程序身份 0.937/0.597/0.210)和多区域静态线索一致。行为层与准确率不需要径向速度读出这一点一致(外观 0.6552 对边界框轨迹 0.4080,簇级配对 $\Delta=+0.2471$,$p=0.0132$)。
主题: 机器学习(cs.LG);人工智能(cs.AI)
引用为: arXiv:2611.22434 [cs.LG]
  (或 arXiv:2611.22434v1 [cs.LG] 为本版本)
  https://doi.org/10.48550/arXiv.2611.22434

arXiv 颁发的 DOI 通过 DataCite(待注册)

提交历史

来自:Tian Zhang [查看邮箱]
[v1] 2026年11月17日 星期二 09:08:17 UTC(120 KB)

来源:arXiv cs.AI · arxiv.org