PNAS· Abhineet AgarwalFange XiaoRebecca BarterOmer RonenBoyu FanBin Yuahttps://ror.org/01an7q238Department of Statistics, University of California, Berkeley, CA 94720bhttps://ror.org/03r0ha626Division of Epidemiology, University of Utah, Salt Lake City, UT 84108chttps://ror.org/01an7q238Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, CA 94720·· 12 天前
PCS-UQ：通过可预测性–可计算性–稳定性框架进行不确定性量化
PCS-UQ: Uncertainty quantification via the Predictability–Computability–Stability framework
AI 导读
PCS-UQ 框架通过可预测性、可计算性与稳定性实现不确定性量化。
摘要 · AI 翻译
《美国国家科学院院刊》，第123卷，第42期，2026年10月。意义：可信的不确定性量化对于负责任的数据科学与人工智能（包括数据驱动的决策）至关重要。传统统计推断方法需要指定一个潜在的生成模型，并且往往对……不稳健。
中文由 AI 翻译，仅供参考，以原文为准。
来源：PNAS · pnas.org