跳到正文
热点事件持续更新

ShapleyOG加速Shapley值估计

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日，arXiv平台发布cs.lg领域预印本，David Rundel等研究者提出名为ShapleyOG的快速自适应Shapley值估计方法。该方法旨在解决传统方法计算开销过高的问题，通过利用奇高斯过程提升效率。 在技术实现上，ShapleyOG仅基于奇组分进行代理模型拟合，并在稀疏时间间隔内进行重新拟合，其余时间高效更新选择标准。这种机制将计算开销降低了最多三个数量级。 实验结果显示，在单次评估耗时0.1秒且预算为数千次评估的场景下，该方法在精度上匹配ShaplEIG，且超越同等计算时间下的非自适应SOTA估计器。

AI 根据报道生成 · 22 小时前更新

最新进展11月6日 13:00
ShapleyOG：基于奇高斯过程加速自适应 Shapley 值估计

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    ShapleyOG：基于奇高斯过程加速自适应 Shapley 值估计

    提出 ShapleyOG 方法，利用奇高斯过程将自适应 Shapley 值估计的计算开销降低最多三个数量级。 该方法仅基于奇组分进行代理拟合，配合稀疏重拟合并扩展求积计算方案，在实验精度上匹配 ShaplEIG。 这使得单次评估仅需 0.1 秒且预算为数千次时，即可超越非自适应 SOTA 估计器。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
近 24 小时变化
–

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。