热点事件持续更新
Uncertainty-Aware Learning from Multi-Expert Interval Target
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02 arXiv 论文提出不确定性感知的多专家区间目标学习方法，保留个体专家区间并用 Beta 混合分布建模，通过 Cramér 距离目标训练；将预测不确定性分解为 within-component、between-component 和模型不确定性，并引入分解匹配对齐预测分量与标签侧来源；在海冰浓度数据上 MAE 较硬标签降低 31%，优于聚合、区间分布和区间回归基线。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
2026-10-02 arXiv 发布该论文，提出不确定性感知的多专家区间目标学习方法并在海冰浓度数据上验证。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Machine Learning TheoryUncertainty-Aware Learning from Multi-Expert Interval Targets
提出一种不确定性感知的多专家区间目标学习方法，保留个体专家区间并用 Beta 混合分布建模，通过 Cramér 距离目标训练。将预测不确定性分解为 within-component、between-component 和模型不确定性，并引入分解匹配以对齐预测分量与标签侧来源。在海冰浓度数据上 MAE 较硬标签降低 31%，优于聚合、区间分布和区间回归基线。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
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。