arXiv · cs.AI· Dario Petri, Luca Mari·· 8 小时前
不确定度评估：连接机器学习与测量科学
Uncertainty Evaluation: Bridging Machine Learning and Measurement Science
arXiv:2610.18066v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Dario Petri, Luca Mari
研究任务与主要进展
一篇 arXiv 论文将机器学习的不确定度评估与测量科学（计量学）进行概念类比，回顾计量学从基于误差的方法到《测量不确定度表示指南》（GUM）框架的演进。文章指出，传统将 ML 不确定度分为偶然与认知分量的二分法与随机/系统测量误差的区分类似，本质上是模型依赖的，不足以支撑统一的不确定度评估框架。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org