AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-23
容許集上的直接推論(Diona)
原標題: Direct Inference on Admissible Sets (Diona)
作者提出 Diona，這是一種迴歸方法，可直接根據查詢點處的樣本估計狀態、其導數及其容許界限，而無需長時間的全域訓練。在涵蓋三到八維、共六個函數的基準測試中，對於無雜訊資料，它比高斯過程更準確，資料越密集時越明顯；並且與高斯過程一樣，在四個函數上，其界限在超過 95% 的查詢點上涵蓋了真實值。資料更新後取得首次預測所需的時間，比高斯過程短三到四個數量級，比神經網路短兩到三個數量級；當兩次更新之間所需的預測次數相對較少時，這項優勢依然成立。