예측에 여백을 붙일 때, 폭은 누가 정할까?
보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
내용은 그대로인데 먼저 놓인 답을 고른다면 판정은 얼마나 믿을 수 있을까요? 두 순서의 결과를 비교하는 가상 실험을 해 봅니다.
Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena
참여 인원, 전체 시간, 자료 거점과 순환 횟수를 바꾸어 거점별 인원·활동 시간·읽는 자료 범위와 준비물을 계산합니다.
Claim, Support, Question
MATH 데이터셋은 7개 분야·5단계 난이도의 경시 문제와 단계별 풀이를 함께 제공하며 평가 범위와 풀이 검사의 중요성을 보여 줍니다.
Measuring Mathematical Problem Solving With the MATH Dataset
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
11–15 / 70편