协变量偏移下共形预测的草图校准方法

2026年10月8日，arXiv（Statistics Machine Learning）发表关于协变量偏移下共形预测的草图校准方法论文。论文提出 sketched calibration，用压缩协变量 Z=T(X) 的似然比替代原始加权共形预测中的似然比；该压缩不会增加与偏移相关的校准成本，目标覆盖率为至少 1−α−Δ_T。目前仅见该篇报道，事件尚无后续进展或不同说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。