AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-23

خطرے کی خصوصیات بیان کرنے اور مضبوط لرننگ کے لیے نزاکت سے باخبر درجہ بندی

اصل عنوان: Fragility-aware Classification for Risk Characterization and Robust Learning

درستگی (Accuracy) اور AUC اس بات کو ظاہر نہیں کرتے کہ پراعتماد غلط فیصلے کتنے بڑے ہوتے ہیں، جو حفاظتی لحاظ سے اہم ماحول میں اہمیت رکھتا ہے۔ مصنفین Fragility Index تجویز کرتے ہیں، جو ایسی غلطیوں کے دمی خطرے (tail risk) کے لیے ایک خطرے سے گریز کرنے والا پیمانہ ہے، اور ساتھ ہی گہرے نیٹ ورکس کے لیے ایک قابلِ تربیت فریم ورک اور ریگولرائزر بھی پیش کرتے ہیں۔ حقیقی طبی تشخیصی ڈیٹا پر FI نے غلطی کے ایسے خطرے کو ظاہر کیا جو درستگی اور AUC سے چھوٹ گیا تھا، اور FI پر مبنی ماڈلز نے انسان اور AI کے مشترکہ ورک فلو کی ایک نقلی صورت میں معیاری تجرباتی خطرے کی کمی (empirical risk minimization) کے مقابلے میں مسابقتی درستگی برقرار رکھی، جبکہ FI اور اوسط عملی لاگت دونوں کم رہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →