面向风险规避决策的信度机器学习（Credal Machine Learning）

研究人员提出一种基于信度集（credal sets）的机器学习方法，用于解决真实损失分布不确定时的风险规避决策难题。该方法构建了能输出概率分布集合的高效学习器，并配合新型决策规则将其映射至单一预测分布以最小化条件风险价值（CVaR）。在分类、分布偏移及强化学习测试中，该方案可靠避免了灾难性决策，且几乎不牺牲期望性能。