一致决策理论:从不完美预测中获得安全的自主决策
原文中文,约400字,阅读约需1分钟。发表于: 。引入了一种叫做 “符合性决策理论” 的框架,用于在机器学习预测存在不完美的情况下生成安全的自主决策,无需对世界模型做任何假设,从而得到具有低风险的可靠决策。
该研究提出了一种基于符合性预测和控制理论的算法,用于时间序列预测的不确定性量化问题。该算法能够在在线环境中前瞻性地模拟符合性得分,并能适应由季节性、趋势性和一般分布变化引起的系统误差。实验结果表明,该算法在美国州级 COVID-19 死亡人数提前四周预测中的覆盖范围有所改善。同时,该研究还使用自回归、Theta、Prophet 和 Transformer 模型对电力需求、市场回报和温度进行了实验预测,并提供了一个可扩展的代码库。