★ 2
硬预算重复评估中诚实不确定性的锐利极限
论文研究在固定任务网格与硬预算下，重复评估基准分数时认证窄置信区间所需的条件。作者给出最优期望宽度的紧界，并证明自适应策略与固定随机子集设计均可达到该速率。在 LiveCodeBench 回放实验中，任务覆盖设计将中位点估计 MSE 降低 87%，联合证书使 15/16 组置信区间更窄。
arXiv cs.AI38 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究在固定任务网格与硬预算下，重复评估基准分数时认证窄置信区间所需的条件。作者给出最优期望宽度的紧界，并证明自适应策略与固定随机子集设计均可达到该速率。在 LiveCodeBench 回放实验中，任务覆盖设计将中位点估计 MSE 降低 87%，联合证书使 15/16 组置信区间更窄。