用不确定性来源赋能贝叶斯：从置信度建模到稀疏估计

研究者提出了不确定性来源（SoU）推断框架，通过显式编码模型不同组件的异质置信度来扩展贝叶斯推断。该框架允许对模型各部分进行差异化的概率处理，从而分别控制先验信息量与置信度。基于这种选择性处理，研究进一步开发了统计模型的通用稀疏化方法，可应用于线性和逻辑回归，并在贝叶斯神经网络中实现自剪枝。