SCCR审计框架量化专家视图外预测信号

Jose Roberto Tello Ayala等作者提出共享规范成分移除（SCCR）审计框架，通过选择性移除原始嵌入与专家嵌入间强共享的方向，量化原始模型在专家视图之外利用的预测信号。 在合成数据、冠状动脉疾病检测、抗抑郁治疗脱落预测及基于SkinCon标注的皮肤病变分类上，SCCR能识别专家视图的不足并恢复残余预测信号，同时最小化与专家视图的冗余。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。