CALMs模型获NeurIPS 2026接收
热点事件持续更新
CALMs模型获NeurIPS 2026接收
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Vasilis Gkolemis等人提出条件局部加性模型（CALMs），旨在解决传统加性模型在精度与可解释性间的权衡问题。该模型通过设定独立阈值来定义特征交互区域，从而在保留局部加性效应的同时，实现了单变量可审计性。 实验结果显示，CALMs在分类和回归任务中的表现持续优于广义加性模型（GAMs），且精度水平与广义加性二次模型（GA²Ms）相当。目前，该研究已被NeurIPS 2026正式接收，相关代码已公开供后续研究使用。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
CALMs：兼顾可解释性与精度的条件局部加性模型报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · AICALMs：兼顾可解释性与精度的条件局部加性模型
研究人员提出条件局部加性模型（CALMs），在保持 GAMs 可解释性的同时，精度与 GA²Ms 相当。该模型通过独立阈值定义特征交互区域，实现局部加性效应。 实验显示，CALMs 在分类和回归任务上持续优于 GAMs，并保留了单变量可审计性。该工作已被 NeurIPS 2026 接收，相关代码已公开。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。