arXiv发文论证整合信息量在有限试验下的可测性边界

arXiv机器学习领域（cs.lg）最新发布一篇论文，作者为Linqian Wu与Diaoxuan He。该研究探讨了在随机网络中，如何通过有限的实验来验证整合信息量（$φ$）的可辨识性。 论文指出，$φ$在4至53次试验内即可从内部记录中区分不同机制。然而，部分观测会导致精度下限，且机制的微小变化在99%的边界处可能引起25%至100%的$φ$值突变。该研究确立了$φ$可测性的计算边界，证明其作为设计问题存在可解答案，相关代码作为附件文件提供。

AI 根据报道生成 · 22 小时前更新