arXiv cs.LG· Giovani Valdrighi, Isabel Valera, Marcos Medeiros Raimundo·· 5 小时前AI 评分23
选择性标签下的表演性预测：NeurIPS 2026 论文提出鲁棒优化方法
Performative Prediction with Selective Labels
AI 导读
针对表演性预测中仅能观测到被接受子集标签的"选择性标签"问题，研究者形式化定义了该场景，并证明仅用观测数据重训练会误导过程、破坏收敛保证。他们提出基于正标签概率置信区间的最坏情况目标，对其实施重复风险最小化（RRM）可将结果保持在真实稳定点的有界距离内。在带公平正则化的借贷实验中，该鲁棒优化方法性能接近拥有完整标签访问权的 RRM。
来源：arXiv cs.LG · arxiv.org