跳到正文
热点事件持续更新

有限审计论文聚焦配对差异推断

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Aaron Ceross 修订论文,将主题聚焦于模型更新的配对差异比较中的有限审计推断;研究显示,现有方法对真实阳性率和假阳性率绝对群体差距变化的区间覆盖率不足,不能证明估计变化可靠。 在冻结差距为零、更新差距为5个百分点的设置下,bootstrap覆盖率仅为12.0%;每个窗口包含500个较小群体和2,000个其他群体观测、共10个窗口时,数值差值方法的覆盖率升至52.9%,仍低于名义95%。论文注明所有分析均为非验证性分析,并保留覆盖率诊断。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月28日
  1. arXiv · Machine Learning
    模型更新的有限审计:配对差异比较的覆盖率与分辨率

    一项机器学习研究评估有限审计在配对模型更新比较中,对真实阳性率和假阳性率绝对群体差距变化的覆盖率与分辨率。冻结差距为零、更新差距为5个百分点时,bootstrap覆盖率仅12.0%;数值差值方法在每窗口含500个较小群体和2,000个其他群体观测、共10个窗口时升至52.9%,仍低于名义95%,表明更精确的区间或明确的边际决策不足以证明估计变化可靠。

本事件热度走势

可比范围当前
7
可比范围峰值
710月29日 00:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。