Epistemic Uncertainty

2 items

RESEARCHarXiv CS.LG·vor 17T

Don't Collapse Your Features: Why CenterLoss Hurts OOD Detection and Multi-Scale Mahalanobis Wins

Diese Forschung stellt GOEN vor, eine neue Pipeline zur Erkennung von Out-of-Distribution (OOD)-Eingaben, die mehrskalige Merkmale und den Mahalanobis-Abstand kombiniert. Sie zeigt, dass CenterLoss die OOD-Erkennungsleistung überraschenderweise verschlechtert, wobei GOEN-NoCenterLoss hervorragende Ergebnisse erzielt.

OOD Detection Epistemic Uncertainty Feature Engineering deep learning

RESEARCHarXiv CS.LG·4/22/2026

Curiosity-Critic: Cumulative Prediction Error Improvement as a Tractable Intrinsic Reward for World Model Training

Curiosity-Critic führt eine intrinsische Belohnung für das Training von Weltmodellen ein, die sich auf die Verbesserung des kumulativen Vorhersagefehlers statt nur der aktuellen Übergänge konzentriert. Es nutzt einen gelernten Kritiker, um eine asymptotische Fehlergrundlinie zu schätzen, trennt so effektiv epistemische von aleatorischen Fehlern und lenkt die Exploration auf lernbare Übergänge.

Epistemic Uncertainty reinforcement learning World Models curiosity