arXiv发布Fragility Index指标及训练框架

论文提出脆弱性指数 FI，用于量化分类器在分布不确定性下的尾部风险，弥补准确率与 AUC 忽略高置信度误判的缺陷。 FI 在鲁棒满足（RS）框架中定义，衍生出可优化的替代训练机制及适用于交叉熵、Hinge 和 Lipschitz 损失的精确重构形式。 在真实医疗诊断任务中，基于 FI 训练的模型在保持竞争力预测性能的同时，实现了更低的平均操作成本。