arXiv stat.ML· Christopher J. Hazard, Michael Resnick, Jacob Beel, Jack Xia, Cade Mack, Dominic Glennie, Matthew Fulp, David Maze, Andrew Bassett, Martin Koistinen·· 22 天前AI 评分31
信息力学理论：通过测量不确定性实现泛化（学习即测量）
A Theory of the Mechanics of Information: Generalization Through Measurement of Uncertainty (Learning is Measuring)
AI 导读
研究人员提出了一个基于意外度（信息论不确定性）的无模型实例学习框架，无需显式分布建模即可直接从原始数据执行泛化推理。该方法支持训练数据的直接编辑与删除，可统一应用于生成式推理、因果发现、异常检测及时间序列预测等任务。实验显示其在异常检测和部分监督任务上达到了 SOTA 表现，为高可解释性 AI 提供了理论基础。
来源：arXiv stat.ML · arxiv.org