כתבה
arXiv cs.LG ·
MECHVAR: תפיסה-מנחה של מנגנוני סיכום לבחירת ניסויי ML עצמאיים
MECHVAR: Variance-Guided Mechanism Discrimination for Autonomous Machine Learning Experiment Selection
מאמר חדש עוסק בפיתוח שיטה לבחירת ניסויי ML על ידי דיסקרימינציה של מנגנוני סיכום. השיטה, שנקראת MECHVAR, משתמשת באלגוריתם של תפיסה-מנחה כדי לבחור את הניסוי הבא. MECHVAR נבדקה במספר סקנרים והוכיחה עצמה כיעילה יותר משיטות אחרות.
תקציר מקורי באנגליתarXiv:2610.01819v1 Announce Type: new Abstract: Benchmark gains are often mechanism-ambiguous: reproducing an improvement does not by itself identify why it occurs. We study finite-library mechanism discrimination, where posterior-weighted candidate mechanisms, executable probes, and a limited experimental budget define a sequential experiment-selection problem. MECHVAR selects the next probe by maximizing the posterior-weighted variance of its predicted responses. Under a shared-Gaussian predictive model, this score is exactly proportional to the classical Box--Hill posterior-weighted pairwise-KL criterion, yet it admits O(KE) vectorized rescoring and a transparent additive audit over mechanism pairs. A local expansion further links the score to expected information gain (EIG) when predic
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית