Компьютерные науки > Искусственный интеллект [представлен 27 октября 2026 года] Название: Лесоводство: Интерпретируемость соответствует разуму в виде изолированного леса PDF HTML (экспериментальный) резюме: Методы обнаружения статистических аномалий, такие как изолирующий лес, являются эффективными, но страдают от критического семантического разрыва. Они определяют числовые отклонения, но не понимают контекстуального значения данных и зачастую упускают из виду тонкие, зависящие от контекста аномалии. И наоборот, крупные языковые модели обладают мощными семантическими умозащитными способностями, но являются чрезмерно дорогостоящими и медленными для крупномасштабного развертывания. Для устранения этого пробела мы предлагаем " Релесеводство > , новую систему, которая обеспечивает синергию статистической эффективности изолированного лесного хозяйства на основе аргументационных возможностей МЛМ. Регистрация лесов преобразует латентные пути принятия решений в изолированный лес в естественный язык, что позволит ЛЛС усовершенствовать обнаружение аномалий с помощью динамического комплекса, который будет понятен как неопределённость. Такой подход позволяет модели адаптивно взвешивать статистические и семантические сигналы на основе доверия, обусловленного факторами неопределенности. Широкие эксперименты с четырьмя реальными наборами данных (здравоохранение, финансы) показывают, что восстановление лесов значительно превышает базовые показатели и позволяет добиться в среднем 21%…
Лесоводство: интерпретируемость соответствует разуму в изолированных лесах
arXiv: 261 030.316v 1 Annuales Type: New Humber: Statistical avenactive discrimination methods, например Isolation Forest, являются эффективными, но страдают от критического семантического разрыва. Они определяют числовые отклонения, но не понимают контекстуального значения данных и зачастую упускают из виду тонкие, зависящие от контекста аномалии. И наоборот, крупные языковые модели обладают мощными семантическими умозащитными способностями, но являются чрезмерно дорогостоящими и медленными для крупномасштабного развертывания. Для устранения этого пробела мы предлагаем " Релесеводство > , новую систему, которая обеспечивает синергию статистической эффективности изолированного лесного хозяйства на основе аргументационных возможностей МЛМ. Регистрация лесов преобразует латентные пути принятия решений в изолированный лес в естественный язык, что позволит ЛЛС усовершенствовать обнаружение аномалий с помощью динамического комплекса, который будет понятен как неопределённость. Такой подход позволяет модели адаптивно взвешивать статистические и семантические сигналы на основе доверия, обусловленного факторами неопределенности. Эксперименты по четырем реальным наборам данных (медицинский аппарат)