跳到正文
热点事件持续更新

轻量贝叶斯法快速量化稀疏AI评测不确定性

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Dario Deniz Ergun 等作者提交论文,提出一种轻量贝叶斯预测器,用于估计 AI 系统在新基准上的表现,无需借助另一个大模型。该方法用公开评测计数选取弱 Beta 先验,再用最多 31 个已揭示结果精确更新。 作者报告,该方法在 AIMS 竞赛的在线评测中取得 Brier ALC 0.188477,较常数 0.5 基线降低 24.6%;完整提交仅 7,754 字节,服务器微基准为每次预测 12.71 微秒。

AI 根据报道生成 · 1 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20日
  1. arXiv cs.AI
    稀疏 AI 评测中不确定性量化的快速贝叶斯方法

    一种轻量贝叶斯预测器无需大模型即可估计 AI 系统在新基准上的表现:用公开评测计数选取弱 Beta 先验,再用最多 31 个已揭示结果精确更新。其在 AIMS 竞赛的在线评测中取得团队报告的 Brier ALC 0.188477,较常数 0.5 基线降低 24.6%,完整提交仅 7,754 字节,服务器微基准为每次预测 12.71 微秒。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。