Skip to content
Hot eventLive

协变量偏移下共形预测的草图校准方法

1 reports1 sources4 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 8
论文提出 sketched calibration，用压缩协变量似然比替代原加权共形似然比，目标覆盖率至少 1−α−Δ_T。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Statistics Machine Learning
    协变量偏移下共形预测的草图校准方法

    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，压缩不会增加与偏移相关的校准成本，目标覆盖率为至少 $1-\alpha-\Delta_T$。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.