Компьютерная наука > Компютерное видение и распознавание шаблонов [представлено 19 октября 2026 года] Название: A Canary in the Neural Mines: Захват тишины класса изображений, Конфиденциальные ошибки Вижу PDF HTML (экспериментальное) Резюме: Дезобные модели зрения автоприемлемые прогнозы уверенности, так что высокоуверенные ошибки распространяются молча. Максимальная мягкая вероятность (MSP), стандартный прогнозируемый отказ, имеет структурное слепое пятно: в качестве скаляра с головы классификатора первым порядком можно ослепить наличие изменчивости ортогонального градиента. Посредством факториального анализа детекторов характеристик и космического пространства мы идентифицируем принцип условно-избыточной способности, объясняющий причины их неспособности дополнить СГУ: геометрия классов, которую они измеряют, уже кодируется в СГУ и коллапсирует под синтезом. Сигнал, который выживает - это классическая характеристика на остаточном материале вне манипулирования - и поскольку распределение этого остатка варьируется в зависимости от позвоночника: от близкого к Гауссианскому до тяжелого хвосторубка, его нужно оценивать непараметрически. Мы приводим эти результаты в качестве CANARA, бестренировочного детектора, который вычисляет расстояние от каждого класса кНN на остаточном уровне ПХА предпоследней функции, процентил калибрует его по подтвержденным данным и сбивает его с СГУ через единый скорректированный вес. Преимущества КАНАРИ следуют закону о верхнем этаже: выгоды растут по…
Канарейка на нейронной шахте: ловить тихие, конфиденциальные ошибки класса изображения
arXiv: 261 030 3063v1 Annuate Type: новый резюме: Развернутые модели зрения автоматически принимают уверенные прогнозы, поэтому высокоубедительные ошибки распространяются тихо. Максимальная мягкая вероятность (MSP), стандартный прогнозируемый отказ, имеет структурное слепое пятно: в качестве скаляра с головы классификатора первым порядком можно ослепить наличие изменчивости ортогонального градиента. Посредством факториального анализа детекторов характеристик и космического пространства мы идентифицируем принцип условно-избыточной способности, объясняющий причины их неспособности дополнить СГУ: геометрия классов, которую они измеряют, уже кодируется в СГУ и коллапсирует под синтезом. Сигнал, который выживает - это классическая характеристика на остаточном материале вне манипулирования - и поскольку распределение этого остатка варьируется в зависимости от позвоночника, от близкого к Гауссианскому до тяжелого хвостового, его нужно оценивать непараметрически. Мы придумали эти результаты как CANARA, бестренировочный детектор, который вычисляет расстояние кН-класса на PCA остаточного элемента предпоследней функции,