arXiv · 16.06.2026 ·Машинное обучение

BLITZ: быстрый непараметрический тест на условную независимость

Учёные представили новый метод BLITZ (Broad-to-Local Independence Testing via residualiZation) для быстрого непараметрического тестирования условной независимости. Он решает проблему калибровки, которая часто возникает у существующих методов при нелинейных зависимостях между переменными и условиями.

BLITZ использует двухэтапную регрессию, что позволяет проводить тесты за доли секунды. Это делает его особенно полезным для задач обнаружения причинно-следственных связей, где требуется множество повторных тестов.

Исследование показывает, что BLITZ сохраняет высокую точность и калибровку даже в сложных сценариях. Это может значительно ускорить анализ данных и улучшить качество моделей машинного обучения, основанных на причинно-следственных связях.

Работа опубликована на arXiv и доступна для дальнейшего изучения.

Источник: arXiv

Похожие материалы

Lobsters · Инференс и железо TurboQuant ускоряет инференс моделей на 30% без потери точности Команда Baseten представила TurboQuant — метод оптимизации инференса, который ускоряет работу моделей на 30% без потери точности. Разработчики провели 31 час на математических выкладках, чтобы создать алгоритм, который автоматически выбирает оптимальные параметры квантования для различных моделей. Это особенно важно для агентов, где скорость обработки запросов напрямую влияет на пользовательский опыт. arXiv · Модели и релизы Новый метод для эффективной калибровки ансамблей моделей Исследователи предложили Simplex-Constrained Sparse Bagging (SCSB) — математический фреймворк для пост-обучения ансамблей моделей, таких как Random Forests, Bagged SVMs и Bagged Neural Networks. В традиционных подходах к ансамблированию каждая модель имеет одинаковый вес, что не учитывает их разную точность в разных контекстах. arXiv · Модели и релизы Как улучшить точность небольших моделей кода без переобучения Исследователи из DeepSeek и других организаций представили новый подход к повышению точности небольших моделей кода без необходимости их переобучения. В работе рассматриваются так называемые «замороженные» модели кода (с параметрами ≤45 миллионов), которые не поддаются стандартным методам улучшения качества вывода. arXiv · Модели и релизы Новый метод обнаружения ошибок в цепочках рассуждений LLM Исследователи из MIT и Университета Карнеги-Меллона предложили новый подход к выявлению ошибок в цепочках рассуждений языковых моделей (LLM) без использования меток. Их метод, основанный на операдной теории, позволяет обнаруживать несоответствия в логических цепочках, которые модели строят при решении сложных задач. arXiv · Машинное обучение Исследование: новые методы оценки сложности обучения бинарных концепций Учёные представили исследование, посвящённое проблемам оценки сложности обучения бинарных концепций в машинном обучении. В работе рассматриваются такие ключевые показатели, как sign rank, $\mathbb{Z}_2$-index и list replicability, которые помогают определить минимальную размерность, в которой можно представить концепцию с помощью точек и полупространств. arXiv · Исследования и наука Новый метод для мультимодального разрешения кореферентности без предварительного обучения Исследователи предложили новый подход Plug-and-Adapt для мультимодального разрешения кореферентности (MCR), который не требует предварительного обучения на аннотированных данных. В статье на arXiv показано, что визуальная информация помогает устранять неоднозначности в тексте, что значительно повышает точность системы. arXiv · Обучение и дообучение SPaiK: масштабируемое обучение ядерных методов для парных задач Исследователи представили SPaiK — новый метод обучения ядерных методов, оптимизированный для парных задач. В отличие от традиционных подходов, SPaiK сохраняет выразительную силу ядерных методов, но значительно снижает вычислительные и память. Это особенно важно для задач, где необходимо работать с большими объемами данных, например, в рекомендательных системах или сравнении объектов. arXiv · Модели и релизы Brownian Kernel Ladders: новый подход к иерархическим представлениям Исследователи представили новый метод для построения иерархических представлений в статистическом обучении — Brownian Kernel Ladders (BKLs). Это рекурсивно определённая иерархия интегральных пространств, генерируемых через Brownian-kernel интегральные конструкции. Начиная с линейных функционалов, каждый уровень BKL расширяет пространство функций, сохраняя при этом математически строгую структуру. arXiv · Инференс и железо Как снизить задержки в системах с потоковыми данными Исследователи из MIT и Google предложили новый подход к обработке потоковых данных в системах машинного обучения, который может существенно снизить задержки и нагрузку на серверы. В статье, опубликованной на arXiv, они описывают метод, который отделяет процесс инференса от обновления состояния, используя вероятностное прореживание (probabilistic thinning). Hacker News · Исследования и наука Исследование раскрывает парадокс эффективности ИИ Учёные из Массачусетского технологического института (MIT) и Стэнфорда опубликовали исследование, посвящённое парадоксу эффективности ИИ. В работе, размещённой на arXiv, авторы показывают, что несмотря на значительные улучшения в производительности ИИ-моделей, их реальная эффективность в практических задачах часто не соответствует ожиданиям.

← Все материалы