arXiv · cs.AI· Cl\'ement B\'enard, Manon Arfib, Christophe Labreuche, Victor Qu\'etu·· 11 小时前
Hoeffding 概念瓶颈模型在高空图像中的应用
Hoeffding Concept Bottleneck Models with Applications to Overhead Images
arXiv:2606.00082v2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：Cl\'ement B\'enard, Manon Arfib, Christophe Labreuche, Victor Qu\'etu
研究任务与主要进展
作者提出 Hoeffding 概念瓶颈模型（HCBM），通过梯度提升树的 Hoeffding 函数分解，对概念分数进行非线性和稀疏聚合，并利用 prime implicants 生成紧凑预测。基于论文摘要，作者报告 HCBM 对概念间信息泄漏具有较强理论鲁棒性，实验表现优于稀疏线性 CBM；该方法还可扩展到目标检测，并在高空图像场景中进行了应用。
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