" Марформен: трансформатор для прогнозирования недостающих данных

arXiv: 2610.12379v1 Сообщение типа: перекрестное резюме: Реальные решения принимаются под неполной информацией. Если мы наблюдаем только некоторые из необходимых нам случайных переменных, то можем предсказать другие. ·textbf {условные маргинальные данные} по отсутствующим переменным являются ключевым ингредиентом для расчета риска и ценности информации (ВОИ), ожидаемой выгодой от получения еще одного наблюдения до принятия решения. Мы представляем Марформера, трансформатора, обученного прямо предсказывать условные маргинальные значения с учетом любого набора наблюдаемых значений. Как и BERT, который обучен предсказывать недостающие слова из контекста, Marformer создает скрытый вектор для каждого распределения $p(X_i) долл. В отличие от подходов, основанных на принципе регенерации, " Марформер &qt; не моделирует полное совместное распределение данных, не требует знаний о процессе получения данных в области домена и делает все прогнозы одним шагом вперед. Мы оцениваем три синтетических области