محققان در پژوهش جدید خود به سراغ چالش درک «عدم قطعیت» در مدلهای ترنسفورمر بیزی رفتهاند. تا پیش از این، تفکیک بین عدم قطعیتِ دادهای (Aleatoric) و مدل (Epistemic) در این مدلها بسیار دشوار بود.
با معرفی متد جدید بر پایه «استنتاج پیشبینانه بیزی» (BPI)، حالا میتوان دقیقتر از گذشته فهمید که مدل در چه بخشهایی دچار شک شده است. این دستاورد به ویژه برای مدلهای پیشرفتهای مثل TabPFN که در تحلیل دادههای جدولی (Tabular) پیشرو هستند، نتایج بسیار درخشانی را در کاهش خطا و افزایش اعتماد به خروجی مدل به همراه داشته است. 📉✨
منبع: arXiv Machine Learning