OMA：异构模型输出的可优化模型平均集成

2026年10月12日，arXiv（Statistics Machine Learning）发表《Optimizable Model Averaging》论文，提出一种名为 OMA 的黑盒集成方法。该方法为每个候选模型学习一个非负标量系数，对各模型的预测概率进行平均，所有模型参数保持冻结，通过最小化正则化预测熵求解。论文将其定位为面向异构模型输出的集成方案。目前公开信息仅涉及该方法的基本框架与求解目标，尚无实验结果、代码发布或第三方复现报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。