arXiv cs.AI·48 天前★ 2

分解式算法选择存在部署保真度差距

原文标题：Partition Scores Are Not System Scores: Deployment-Fidelity Gaps in Decomposed Algorithm Selection

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文指出分解式算法选择中，分区级评分授予了族内最优算法的预言机选择权，而实际部署系统必须用学习到的选择器替代，导致评分虚高。作者定义部署保真度差距G(R)，在五个公开基准上均观察到正差距，最大达0.13。研究建议分区评分与端到端评分应并列报告。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 分解式算法选择用分区级评分，虚高估计了实际可部署系统的性能。
方法: 定义部署保真度差距G(R)，给出分区选择在部署时最优的稳定性条件与仅凭分区无法认证部署赢家的识别区间。
结果: 五个公开基准上G(R)均为正，从TabZilla的0.012到PROTEUS-2014的0.13；PROTEUS-2014上33点分区优势缩至20点端到端优势。
影响: 提醒AutoML与求解器选型团队不要只看分区报告，需并列报告端到端指标，否则可能选错部署方案。