概念model evidence / 模型证据 / marginal likelihood
边际似然
贝叶斯统计中衡量模型对数据解释能力的核心量，定义为对所有可能参数取值积分后的数据概率，天然包含对模型复杂度的惩罚（奥卡姆剃刀效应）
时间轴 (近 90 天)
10月12日
该研究采用概率框架推导出DNN的边际似然，且该量仅使用网络最后一层的权重即可完成评估
待验证50%
10月12日
仅使用最后一层权重的边际似然评估无需访问训练数据
待验证50%
10月12日
边际似然在贝叶斯统计中天然包含对模型复杂度的惩罚，即奥卡姆剃刀效应
待验证50%
10月12日
研究团队在大规模卷积网络和大语言模型上验证了该边际似然能够预测模型质量，跨越不同架构和任务规模
待验证50%
10月12日
由于指标仅依赖权重矩阵，可为无法获取训练数据的场景提供模型评估路径
待验证50%