arXiv cs.LG· Navodita Sharma, Abhishek Shetty, Max Simchowitz, Pulkit Agrawal·· 12 天前AI 评分36
条件流模型将认知不确定性转化为表观偶然方差
Conditional Flow Models Convert Epistemic Uncertainty into Apparent Aleatoric Variance
AI 导读
研究发现条件流模型（CFM）在回归等任务中生成的样本方差常大于真实条件分布，会将拟合真实分布时的认知不确定性转化为表观偶然方差。受控实验表明，该诱导方差能够反映模型对复杂目标的欠拟合程度，并随额外训练或数据增加而下降。研究还给出了理论解释，并展示了其在构建高覆盖率回归预测集中的实际应用。
来源：arXiv cs.LG · arxiv.org