标签
本文将认知实验设计表述为贝叶斯实验设计问题，引入了一个摊销框架，能够高效识别用于推断潜在规划参数的信息量最大的环境，并在Mouselab-MDP范式上验证了其性能。
本文提出了一种混合摊销推理方法，通过结合快速初始估计和校正优化步骤，加速了层次化稀疏预测编码，比纯迭代或摊销方法更高效。
提出了摊销因子推理网络（AFINs），这是一类编码-合并-解码推理网络，能够泛化到不同的先验、似然和维度，在计算量少得多的条件下实现与NUTS相当的后验精度。
SurvivalPFN 是一种先验数据拟合网络，通过上下文学习摊销生存分析的贝叶斯推断，在 61 个数据集上实现了强大的预测性能，无需特定任务训练或超参数调优。