热点事件持续更新
研究人员提出用于变量选择的先验数据拟合网络PFNs
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究人员在arXiv发布成果，提出了两种用于贝叶斯变量选择的先验数据拟合网络（PFNs）：CD-PFN负责识别条件依赖，PC-PFN负责识别因果图中的父节点与子节点。该类网络无需进行后验采样或特定数据建模，即可直接估计后验包含概率（PIPs）。在半合成与真实数据实验中，两款网络的大多数表现均优于现有方法。目前相关软件已正式开源。
AI 根据报道生成 · 51 分钟前更新
最新进展11月5日 13:00
研究人员提出CD-PFN与PC-PFN网络并开源，无需后验采样即可完成贝叶斯变量选择。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv stat.ML面向变量选择的先验数据拟合网络（PFNs）
研究人员提出了两种用于贝叶斯变量选择的先验数据拟合网络（PFNs）：CD-PFN 负责识别条件依赖，PC-PFN 负责识别因果图中的父节点与子节点。两款网络无需后验采样或特定数据建模即可直接估计后验包含概率（PIPs）。在半合成与真实数据实验中二者表现多数优于现有方法，相关软件已开源。
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。