研究者提出基于可能性的确定性不确定性量化框架

2026年10月29日，arXiv 计算机科学与机器学习分类下出现一篇论文，提出「基于可能性的推理」（Possibility-based Inference）框架，用于决策中的稳健、可靠不确定性量化。据报道，该框架以「可能性的对比预测等级」替代基于隐后验的参数估计与模型选择，从而给出确定性的不确定性量化方案。报道称，它受模糊集理论影响、以贝叶斯统计为基础，用可能性表示刻画不确定甚至相互冲突的信息，比概率框架更灵活；其目标之一是缓解高度专业化的深度学习架构所产生的过度自信且不合理的预测。目前该事件仅有这一篇报道，尚无独立验证或其他进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。