AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-23
用於風險刻畫與穩健學習的脆弱性感知分類
原標題: Fragility-aware Classification for Risk Characterization and Robust Learning
準確率與 AUC 無法反映高信心誤判的嚴重程度，而這在安全攸關的情境中至關重要。作者提出脆弱性指數（Fragility Index，FI），這是一種針對此類錯誤尾端風險的風險趨避指標，並提供可訓練的框架以及適用於深度網路的正則化項。在真實醫療診斷資料上，FI 揭示了準確率與 AUC 所忽略的錯誤風險；在模擬的人機協作工作流程中，以 FI 為基礎的模型在維持具競爭力準確率的同時，相較於標準經驗風險最小化，擁有更低的 FI 與更低的平均營運成本。