[控场AI]
论文Sequential Likelihood-Free Inference via Conformal E-Values

SLICE

一种结合保形推断与e值的无似然序贯推断框架,通过构造检验鞅为不可计算似然的模型参数提供精确且任意时刻有效的置信序列

时间轴 (近 90 天)

10月12日

SLICE(Sequential Likelihood-Free Inference via Conformal E-Values)通过保形推断与e值的结合,为似然不可计算的模型参数构造精确且任意时刻有效(anytime-valid)的置信序列

待验证50%
10月12日

SLICE在每次新观测到来时,针对每个候选零假设参数值从对应模型生成模拟数据,用来对正值可预测打分进行保形化处理,转化为条件e值

待验证50%
10月12日

SLICE构造的置信序列有效性与打分函数的准确度无关,打分质量只影响区间宽窄(统计效率),不破坏覆盖率保证

待验证50%
10月12日

oracle似然比打分能最大化期望对数增长率,在所有合法打分中使检验鞅增长最快,从而最快排除错误参数、收紧置信序列

待验证50%
10月12日

SLICE使用摊销式神经比值估计器(amortized neural ratio estimator)来逼近真实似然比,这是近年模拟推断领域的主流工具

待验证50%
10月12日

在合成基准实验中,SLICE的置信序列在连续监控下始终保持有效,而固定样本量的传统方法在同样的持续检验下会失效

待验证50%
10月12日

SLICE可对大语言模型API的模型路由行为做出有统计保证的推断,用于审计许多商业API在后台将请求路由到不同模型的行为

待验证50%
10月12日

SLICE在微引力透镜(microlensing)真实天体物理数据上验证有效

待验证50%
10月12日

实验显示神经打分的效率与精确似然比以及针对特定应用定制的打分不相上下

待验证50%

全部知识事实 (9)

来源文章