AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-23

जोखिम लक्षण-निर्धारण और सुदृढ़ लर्निंग के लिए नाज़ुकता-सजग वर्गीकरण

मूल शीर्षक: Fragility-aware Classification for Risk Characterization and Robust Learning

सटीकता (accuracy) और AUC यह नहीं दर्शाते कि आत्मविश्वास के साथ की गई गलत धारणाएँ कितनी बड़ी होती हैं, जो सुरक्षा-संवेदनशील परिस्थितियों में महत्वपूर्ण है। लेखकों ने Fragility Index प्रस्तावित किया है, जो ऐसी त्रुटियों के टेल जोखिम के लिए एक जोखिम-विमुख मीट्रिक है, साथ ही डीप नेटवर्क के लिए एक प्रशिक्षण योग्य ढाँचा और एक रेगुलराइज़र भी। वास्तविक चिकित्सा निदान डेटा पर, FI ने ऐसे त्रुटि जोखिम को उजागर किया जिसे सटीकता और AUC नहीं पकड़ पाए, और FI-आधारित मॉडलों ने एक सिम्युलेटेड मानव–AI वर्कफ़्लो में मानक एम्पिरिकल रिस्क मिनिमाइज़ेशन की तुलना में प्रतिस्पर्धी सटीकता बनाए रखी, साथ ही कम FI और कम औसत परिचालन लागत हासिल की।

मूल लेख पढ़ें ↗

सभी आइटम →