AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-23
面向风险刻画与稳健学习的脆弱性感知分类
原标题: Fragility-aware Classification for Risk Characterization and Robust Learning
准确率和AUC无法反映高置信度误判的严重程度，而这在安全关键场景中至关重要。作者提出了脆弱性指数（Fragility Index，FI），这是一种针对此类错误尾部风险的风险规避型指标，同时还提出了可训练框架以及适用于深度网络的正则项。在真实医学诊断数据上，FI揭示了准确率和AUC未能发现的错误风险；在模拟的人机协作工作流中，与标准经验风险最小化相比，基于FI的模型在保持有竞争力的准确率的同时，FI更低，平均运营成本也更低。