arXiv · Machine Learning· Xiaoshn Nee, Haobo Zhong, Xiaomin Ni·· 8 小时前AI 评分49
Scientific AI 的特定观测量有效性检验：受控近似与干预响应
Observable-Specific Validity Tests for Scientific AI: Controlled Approximations and Intervention Response
AI 导读
研究提出面向 Scientific AI 的特定观测量有效性记录框架，将模型约简与参考模型、误差度量、容差及参数域关联，并通过受控近似和干预检验验证其可靠性。16 次重复神经网络拟合中，引入量纲齐次性使能量尺度迁移误差从 52.3% 降至 0.0768%，同时使能隙与响应容差的联合满足率中位数从 0 提升至 100%。
来源：arXiv · Machine Learning · arxiv.org