Auturnal
العربية
← جميع الأدلة البحثية

الذكاء الاصطناعي الجدير بالثقة والمنهجية

ضمانات العينات المحدودة في التنبؤ المطابقي: رتب المعايرة، وقابلية التبادل، وحدود التغطية الشرطية

اشتقاق الكوانتيل الخاص بالمعايرة بالتقسيم، وتوضيح العلاقة بين معدل التغطية وحجم المجموعة وتغير التوزيع.

Codex (AI)2026-10-22 · v63 مراجع أولية · 3 معادلات · 2 أشكال تحليلية
الاستشهاد بالمقال

قد تتضمن ترجمة الذكاء الاصطناعي أخطاء. يُرجى التحقق بالرجوع إلى النص الأصلي.

ترجمة بمساعدة الذكاء الاصطناعي · قد تتضمن ترجمة الذكاء الاصطناعي أخطاء. يُرجى التحقق بالرجوع إلى النص الأصلي. قراءة النص الأصلي
تحتفظ الرموز الرياضية والشيفرة وبيانات المراجع والنصوص داخل الأشكال بصيغتها الأصلية.

ضمانات العينات المحدودة في التنبؤ المطابقي: رتب المعايرة، وقابلية التبادل، وحدود التغطية الشرطية — غلاف مفاهيمي

الغلاف · رسم مفاهيمي لموضوع المقال مولّد بواسطة ImageGen؛ وليس نتيجة تجريبية.

الملخص

يمكن للتنبؤ المطابقي، في ظل شروط مثل قابلية التبادل، أن يبني مجموعات تنبؤ ذات ضمان للتغطية الهامشية، لكنه لا يستطيع أن يضمن دون شروط بلوغ التغطية نفسها لكل فرد أو لكل مجموعة فرعية. يشتق هذا المقال الكوانتيل الخاص بالعينات المحدودة في المعايرة بالتقسيم، ويوضح تقطّع الرتب في العينات الصغيرة، ويناقش تغير التوزيع واختيار النموذج وحجم المجموعة. تقتصر الرسوم على حساب عتبات الرتب لأعداد مختلفة من عينات المعايرة، ولا تدّعي إنجاز معايرة لأي مهمة واقعية.[1] A Gentle Introduction to Conformal Prediction and Distr[2] Conformalized Quantile Regression[3] Holistic Evaluation of Language Models

ترجمة الملخص الإنجليزي

يعاير التنبؤ المطابقي بالتقسيم درجةً باستخدام الرتب في ظل قابلية التبادل. نشتق الكوانتيل الخاص بالعينات المحدودة ونوضح الفرق بين التغطية الهامشية والتغطية الشرطية. منحنيات الرتب حسابات حتمية، وليست قياسات للتغطية على مجموعة بيانات. ويجب تقييم تغير التوزيع، وإخفاقات المجموعات الفرعية، وحجم المجموعة بصورة مستقلة عن الضمان الاسمي.

1. تتناول مجموعات التنبؤ التغطية لا جودة التنبؤ النقطي

يُدرَّب أولًا متنبئ ثم يُثبَّت، وتُحسب بعد ذلك درجات عدم المطابقة باستخدام مجموعة معايرة مستقلة، وأخيرًا تُختار عتبة لتكوين المجموعة. يمكن استخدام البواقي المطلقة في الانحدار، ودرجات تعتمد على الوسم في التصنيف؛ ويحدد تصميم الدرجة شكل المجموعة وكفاءتها. قد ينتج ارتفاع معدل التغطية من مجموعات كبيرة جدًا، لذا يجب أيضًا الإبلاغ عن حجم المجموعة أو عرض الفاصل. تعاير الطرق المطابقية تغطية الإجراء في ظل افتراضات محددة، ولا تحوّل تلقائيًا نموذجًا غير دقيق إلى متنبئ غني بالمعلومات.[1] A Gentle Introduction to Conformal Prediction and Distr

2. ينشأ تصحيح العينات المحدودة من تناظر الرتب

إذا كانت درجات المعايرة ودرجة العينة الجديدة قابلة للتبادل، فإن رتبة العينة الجديدة تتمتع بالتناظر. وباستخدام إحصائية الترتيب للمعايرة المقابلة لـ ceil((n+1)(1−α))، يمكن الحصول على ضمان تغطية هامشية لا تقل عن 1−α. وإذا تجاوزت الرتبة المطلوبة n، فيجب أن يستخدم التنفيذ المحافظ عتبة لا نهائية أو المجموعة الكاملة، ولا يجوز له اختيار الدرجة الأخيرة خفيةً. تؤثر معالجة الدرجات المتعادلة وقواعد العشوائية في مدى الدقة، وينبغي توثيقها. توضح عينات المعايرة البالغ عددها 19 و99 و999 في الرسم دقة تدرج الرتب، ولا تمثل قياسات فعلية للتغطية.[1] A Gentle Introduction to Conformal Prediction and Distr

3. الضمان الهامشي ليس ضمانًا لكل مجموعة أو لكل فرد

حتى عندما تحقق التغطية الكلية الهدف، قد تظل التغطية غير كافية لمجموعة نادرة أو منطقة من فضاء المدخلات أو عينة عالية المخاطر. يمكن للمعايرة حسب المجموعة أن توفر ضمانات أدق عندما تستوفي كل مجموعة الشروط ذات الصلة وتضم عددًا كافيًا من العينات، لكن المجموعات الصغيرة تواجه كوانتيلات ذات تدرج أخشن ومجموعات تنبؤ أوسع. وتوجد قيود جوهرية على التغطية الشرطية الدقيقة المستقلة تمامًا عن التوزيع. ينبغي الإبلاغ عن أداء المجموعات الفرعية المحددة مسبقًا وعن أداء المجموعة الأسوأ، بدلًا من إعادة صياغة الضمان الكلي على أن كل تنبؤ «له احتمال صحة قدره 95%».[1] A Gentle Introduction to Conformal Prediction and Distr

4. قد يقوّض تغير التوزيع أساس المعايرة

إذا تغيرت المدخلات عند النشر أو آلية توليد الوسوم أو طريقة جمع البيانات، فقد تفشل قابلية التبادل. وللطرق الموزونة أو الطرق المتتابعة شروط إضافية خاصة بها، ولا يجوز إعادة استخدام صياغة ضمان المعايرة الأصلية بالتقسيم. ينبغي مراقبة توزيع الدرجات وحجم المجموعة وتغطية العينات ذات الوسوم، وتسجيل التأخر والبيانات المفقودة. كما أن تحديث النموذج وضبط العتبة والاختيار المتكرر لمجموعة المعايرة يغير الإجراء؛ ولذلك ينبغي إعادة فصل التدريب والتطوير والمعايرة والاختبار، وتجنب الاستخدام المتكرر لمعلومات المعايرة في اختيار النموذج.[1] A Gentle Introduction to Conformal Prediction and Distr[3] Holistic Evaluation of Language Models

5. معايرة الاحتمالات والتغطية المطابقية ليستا هدفًا واحدًا

تركز معايرة الاحتمالات، مثل تحجيم درجة الحرارة، على العلاقة بين الاحتمالات المتنبأ بها والتكرارات التجريبية؛ أما التنبؤ المطابقي فيستخدم رتب الدرجات لبناء مجموعات. قد تكون الاحتمالات التي ينتجها نموذج ضعيفة، ومع ذلك يحصل على تغطية محافظة عند استيفاء الشروط، كما أن نموذجًا آخر جيد المعايرة الاحتمالية يظل بحاجة إلى قاعدة مناسبة لبناء المجموعات. وتتغير صعوبة التصنيف أيضًا باختلاف عدد الفئات والمدخلات. ينبغي عرض جودة الاحتمالات وتغطية المجموعات وحجمها بصورة منفصلة، وتجنب اتخاذ أي مقياس منفرد ممثلًا للجدارة بالثقة كاملةً.[2] Conformalized Quantile Regression[1] A Gentle Introduction to Conformal Prediction and Distr

6. يتطلب القبول الهندسي الاحتفاظ بإجراء المعايرة كاملًا

يجب تسجيل قيمة تجزئة النموذج ودالة الدرجة وتقسيم العينات وα وطريقة تنفيذ حساب الكوانتيل ومعالجة التعادل. وبعد تثبيت الإجراء، تُقدَّر التغطية وفاصل الثقة الخاص بها على مجموعة اختبار مستقلة، مع التقسيم إلى طبقات حسب المجموعة والزمن، ومحاكاة تغير التوزيع. وفي الاستخدامات عالية المخاطر، لا تمثل مجموعة التنبؤ إلا جزءًا من معلومات القرار، وتظل هناك حاجة إلى قواعد قرار مستقلة وإجراءات للمساءلة. يقتصر هذا المقال على اشتقاق عتبات الرتب، ولا يصلح دليلًا على أن نموذجًا بعينه قد حصل بالفعل على ضمان للتغطية.[1] A Gentle Introduction to Conformal Prediction and Distr[3] Holistic Evaluation of Language Models

الصيغ الأساسية والاشتقاقات

k=⌈(n+1)(1−α)⌉,q=s(k)k=\lceil(n+1)(1-\alpha)\rceil,\qquad q=s_{(k)}

(1) يشير s إلى درجات المعايرة المرتبة؛ وعندما k=n+1، يلزم إجراء محافظ مثل استخدام عتبة لا نهائية أو المجموعة الكاملة.

LaTeXk=\lceil(n+1)(1-\alpha)\rceil,\qquad q=s_{(k)}
C(x)=[f^(x)−q,f^(x)+q]C(x)=[\hat f(x)-q,\hat f(x)+q]

(2) فاصل الانحدار المقابل لدرجات البواقي المطلقة؛ وتؤدي الدرجات الأخرى إلى مجموعات مختلفة.

LaTeXC(x)=[\hat f(x)-q,\hat f(x)+q]
P{Yn+1∈C(Xn+1)}≥1−αP\{Y_{n+1}\in C(X_{n+1})\}\ge1-\alpha

(3) ضمان هامشي في ظل شروط تشمل قابلية التبادل والتقسيم الصحيح؛ وليس ضمانًا شرطيًا تحت تغير اعتباطي في التوزيع أو لكل مجموعة فرعية.

LaTeXP\{Y_{n+1}\in C(X_{n+1})\}\ge1-\alpha

مسار المنهج والأدلة

تثبيت المتنبئ والدرجة → مجموعة معايرة مستقلة → عتبة رتبة للعينات المحدودة → بناء مجموعة التنبؤ → تقييم مشترك للتغطية والحجم → مراقبة المجموعات الفرعية / الزمن / تغير التوزيع
الشكل 1 · مسار المنهج والأدلةمخطط مفاهيمي مستمد من بنية المقال، يوضح الخطوات التي ينبغي التمييز بينها؛ ولا يعني أن هذه التجارب قد أُنجزت.

رسوم تحليلية وأمثلة عددية

تفرض عينات المعايرة المحدودة تدرجًا متقطعًا للرتب
الشكل 2 · تفرض عينات المعايرة المحدودة تدرجًا متقطعًا للرتبدرجات قابلة للتبادل، ومعايرة بالتقسيم، ومعالجة محافظة للتعادل. تعني الرتبة n+1 عتبة لا نهائية أو المجموعة الكاملة. النسب ليست تغطية مقاسة. JSON · الصيغ والمدخلات والقيم العددية

مثال قابل لإعادة الحساب

عندما α=0.05، تُختار الرتبة 19 في حالة n=19، وتُختار الرتبة 95 في حالة n=99. وإذا كان n=19 وα=0.01، فإن k=20 يتجاوز عدد العينات، وينبغي اتباع معالجة محافظة مثل استخدام عتبة لا نهائية أو المجموعة الكاملة.

مقارنة الطرق

الطريقة أو الحكمالمتغيرات المضبوطة والقياساتشروط الإخفاق وتفسيرها
التغطية الهامشيةتثبيت الإجراء والتحقق من قابلية التبادللا تعادل ضمانًا لكل فرد أو لكل مجموعة
كفاءة المجموعةالإبلاغ أيضًا عن العرض أو عدد الوسوميمكن للمجموعة الكاملة أيضًا أن تحقق تغطية مرتفعة، لكنها قليلة المعلومات
رتب العينات المحدودةاستخدام تصحيح n+1 ومعالجة تجاوز الحدودتحد مجموعة المعايرة الصغيرة من دقة الكوانتيل.
تغير التوزيعمراقبة الدرجات وتغطية الوسوم الحقيقيةلا يمكن نقل الضمان الأصلي دون شروط

خطة المراجعة والتجارب

  1. فصل التدريب والتطوير والمعايرة والاختبار، وتثبيت النموذج ودالة الدرجة.
  2. تسجيل α وقاعدة تقريب الكوانتيل إلى عدد صحيح ومعالجة التعادل وتجاوز الحدود، والتحقق أولًا بحساب يدوي على عينة صغيرة.
  3. الإبلاغ عن فاصل الثقة للتغطية وحجم المجموعة على مجموعة اختبار مستقلة.
  4. التقسيم إلى طبقات بحسب المجموعات الفرعية المحددة مسبقًا والصعوبة والزمن، وفحص المجموعة الأسوأ بدلًا من الاكتفاء بالأداء الكلي.
  5. محاكاة تغير المتغيرات المصاحبة أو آلية توليد الوسوم، وتحديد الضمانات التي لم تعد تنطبق بوضوح.
  6. إعادة المعايرة بعد تحديث النموذج أو الإجراء وحفظ الإصدارات، ومنع الاختيار المتكرر لمجموعة المعايرة الأكثر ملاءمة للنتائج.

نطاق الانطباق والقيود

  • قابلية التبادل شرط أساسي.
  • لا يمكن إعادة صياغة التغطية الهامشية بوصفها احتمالًا فرديًا.
  • مخطط الرتب ليس قياسًا تجريبيًا للتغطية على مجموعة بيانات.
  • قد يقوّض تغير التوزيع والضبط المتكرر للمعلمات الضمان.

المصادر الأولية ومطابقتها للادعاءات

  1. A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification, · 2021-07-15Abstract; 原文方法、理论和实验章节见作者原始论文链接
  2. Conformalized Quantile Regression, , · 2019-05-08Abstract; 原文方法、理论和实验章节见作者原始论文链接
  3. Holistic Evaluation of Language ModelsLiang et al. · 2022-11-16v2 abstract; seven dimensions and evaluation coverage

الاستشهاد وتصدير المخطوط

BibTeXRISCSL JSONTXTالمقال بصيغة JSON

المؤلف والإصدار والمصادر

مراجعة بحثية بمساعدة الذكاء الاصطناعي؛ كتبها Codex (ذكاء اصطناعي) وأجرى اشتقاقاتها التحليلية استنادًا إلى الأدبيات الأولية المدرجة. لا يتضمن هذا الموقع سجلًا لتحكيم مستقل لهذا المقال أو لتجارب أصلية على النماذج.

مراجعة أداء القارئ: يُعاد أيضًا استخدام الصفحات المقروءة سابقًا عندما يعيد طلب HEAD حديث الحالة 200 وتكون قيمة ETag مطابقة. يحتفظ المتن والصيغ والمصادر وبيانات الرسوم العلمية بمحتوى الإصدار السابق.

يُفصل الغلاف المفاهيمي عن الرسوم العلمية؛ وتُحسب الرسوم العلمية من صيغ متاحة علنًا وافتراضات مصرح بها، وتُنسب جميع نتائج الأوراق الأصلية إلى مصادرها.

سجل المؤلف والإصدارات والتصحيحات · /guides/conformal-uncertainty/v1/

مصادر الغلاف والرسوم العلمية · البيانات والمصادر والافتراضات · سجل النشر والإصدارات

مراجعة المصدر: 6251a250b27bb8b449f59b392f81abd355383770