待验证85% 置信事实时间未知

MixupMP返回的样本来自一个隐式定义的贝叶斯后验分布

1

来源数

85%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

MixupMP：数据增强如何修复深度集成的不确定性量化缺陷

rss

涉及实体

相关事实

待验证MixupMP在多个图像分类数据集上，在校准误差和分布外检测指标上优于标准深度集成、MC Dropout和变分推断等方法67% 相似待验证MixupMP所展示的通过预测分布建模改善不确定性量化的思路，可能为大语言模型的幻觉检测和可靠性评估提供新的技术路径64% 相似待验证MixupMP方法发表于AISTATS 2024会议64% 相似待验证MixupMP在分类准确率上与最佳基线方法持平甚至更优63% 相似待验证SMOTE算法通过在少数类样本之间插值生成合成样本来实现过采样62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1015

API

curl https://kongchang.com/api/v1/knowledge/claims/1015

MCP

get_claim(id=1015)