标签
本文提出了 EB-GAD，一个免训练框架，将节点级图异常检测重新表述为有限时域控制问题，通过经验贝叶斯拟合图精度矩阵，并利用闭式控制能量对异常进行评分。在 11 个基准中的 9 个上取得了最佳或并列最佳的 AUROC，且整个过程中无需使用任何标签。
介绍PEBS，一种用于RLHF中奖励模型校准的每个评分者经验贝叶斯收缩估计器，在PRISM上将用户内RMSE降低了超过8.5%，在PluriHarms上降低了超过9.6%。
本文介绍了 SLC（状态空间逻辑校正），该方法通过卡尔曼平滑器进行经验贝叶斯收缩，纠正知识追踪模型中的逐项逻辑偏差，从而在 AUC 指标上优于全局校准技术。
本文介绍了一种经验贝叶斯共形预测框架，该框架使用 r 值将评分变异性纳入非一致性得分中，从而提升排序稳定性并缩减集合大小，同时保持对视觉与语言模型的覆盖。