Toutes les news taguées avec ce sujet.
Une méthode qui adapte le seuil de risque à chaque entrée, plutôt qu'un seuil unique global, pour mieux calibrer les modèles prédictifs.
Une méthode qui détecte la dérive du contexte dans le Decision Transformer et filtre les suffixes fiables avant de choisir l'action optimale.
Des bornes d'erreur non asymptotiques pour la régression quantile conformalisée, avec des limites minimax exactes sous hypothèse de covariate shift connu.
Une méthode de calibration adaptée aux séquences pour garantir des estimations d'incertitude fiables chez les agents de navigation VLN.
Une méthode split conformal garantit une couverture probabiliste pour les prédictions des neural operators.