标签
本文提出了结构保持认知神经网络（S-PENNs），这是一个针对具有硬架构约束的科学机器学习模型进行不确定性量化的框架，并实例化于GENERIC动力学，以确保热力学一致的轨迹输出和经过校准的预测区间，同时降低计算成本。
提出FunnelCausalNet，一种用于多层级优惠券分配的提升估计方法，在漏斗组合下耦合转化与收入预测头以降低方差，并在半合成Criteo数据和工业酒店优惠券RCT日志上得到验证。
本文引入了一种跨模型映射，用于认证必须在协变量偏移下同时满足自动化下限和风险上限的选择性预测器，推导了可行性边界和双资源样本复杂度权衡。
介绍了检索校正共形预测（RCCP），一种用于时间序列预测区间的检索增强校准方法，它选择相似的过去残差并应用标量共形校正，以低开销实现目标覆盖率。
This paper introduces Hybrid Probabilistic Zonotopes (HProbZ), a neural network output head that jointly models discrete modes, bounded drift, and stochastic noise with closed-form likelihood, enabling identifiable uncertainty decomposition, observation-driven contraction, and multi-modal conformal coverage.
SafeCommit 提出一个风险控制层，认证记忆接地的大语言模型智能体何时可以安全行动，使用共形行动证书来限制不安全承诺的概率，并提供一个带有公开代码的模拟器。
一篇研究论文介绍了一种递归神经算子，用于预测非平稳动力系统中的临界点，应用于气候和空气动力学，并利用共形预测进行不确定性量化。该推文强调了该论文在突变早期检测方面的实用性。
引入了一种共形化的分割样本框架，用于局部模型比较，生成经过校准的局部最佳模型图，并为声明局部优越性提供有限样本保证。
Introduces CALCoDe, a post-hoc reliability layer for frozen medical vision-language models that mitigates class-tail undercoverage under clinical shift, achieving strong worst-class accepted coverage across multiple dermatology shifts and VLM backbones.
本文提出加权保形方法，用于变点定位与根因分析，通过降低可能受污染数据的权重，利用不确定性信号与元学习，在污染观测下缩减置信集大小。
提出了一种新颖的D-vine copula估计框架，该框架利用基于梯度的最大似然估计和束搜索以获得更好的全局拟合，并给出了一种通过共形预测进行不确定性量化的局部异常检测方法。
本文提出一种基于自举法的共形预测方法构建预测区间，以改进数据中心虚拟机的合理调整建议，提升成本效益和资源分配效率。
本文介绍了EaaS，一种云原生微服务架构，用于可扩展的AI监控，提供共形预测、校准评估、漂移检测和具有统计保证的公平性监控。
本文评估了代理科学合成系统中的引用忠实性，表明当前验证器的不可靠性，无支持引用率根据严格程度在3%到18%之间变化。它提出了一种以黄金标准锚定的评估协议和一个可部署的保护机制，该机制使用分裂共形预测为真正无支持的引用提供无分布界限。
介绍了科学可行性控制（SFC），一种共形预测框架，为大型语言模型中的科学推理有效性提供统计保证，在PhyX物理推理上达到50.1%的准确率，优于DeepSeek-R1和GPT-4，同时将科学违规减少73%。
本文揭示了标准边际共形预测在不平衡虚拟筛选数据集中无法覆盖少数类，并展示了类条件（Mondrian）共形预测如何恢复每类覆盖。
本文介绍了一种在安全性相对于反事实基线策略定义的情况下进行安全贝叶斯优化的方法。它利用保形预测来估计反事实结果，并以用户指定的违规率提供安全保障。
SafeImpute 提出了一种可靠的临床数据插补框架，针对不规则数据，利用图神经网络和共形选择来控制临床不可接受错误的错误发现率。
本文通过应用加权共形预测，解决了高性能电动汽车动力总成在实际负载下预测热波动性的挑战，在协变量偏移下实现了覆盖率的适度提升。
本文介绍了NHANES加速度测量心血管代谢基准，这是一个用于从加速度测量数据预测心血管代谢风险的人群代表性表格数据集，并评估了岭回归、XGBoost和TabPFN v2，结合使用保形预测进行不确定性量化。