quantile-regression

介绍了Q-SRDRN，一种使用分位数损失的多分位数超分辨率网络，用于改进极端降水降尺度，在保持整体精度的同时，显著提高了强降雨事件的检测率。

本文介绍了 RQIQN，这是一种基于分位数的分布强化学习鲁棒方法，利用 Wasserstein 几何正则化来防止分布退化，并提升在风险敏感任务中的性能。

亚马逊与斯坦福研究者提出分位词元回归，通过在 LLM 输入中插入专用分位词元来预测完整概率分布，在 Airbnb 与 Stack Overflow 基准上实现约 4 个百分点 MAPE 降低与 2 倍更窄区间。