Beta混合模型可从少量试验外推多种评估指标。
资讯摘要
论文提出用Beta分布混合模型拟合实例级成功概率，通过边际极大似然估计并以BIC选择分量数，从而在单次拟合后闭式计算出任意horizon的Pass^k与AUC@k，并给出无需额外模型调用的delta法置信区间。作者报告在竞赛数学与研究生科学基准上，外推超出观测试验数时该估计比朴素估计更准确，区间覆盖全数据参考；将配置视为实例还可用于敏感性分析。
要点速读
- 论文用Beta混合模型拟合实例级成功概率，分量数由BIC选择，一次拟合即可闭式得到任意horizon的Pass^k和AUC@k。
- 作者报告在竞赛数学与研究生科学基准上，外推超出观测试验数时混合先验估计比朴素估计更准确，置信区间覆盖全数据参考。
- 将配置而非任务视为实例可扩展到敏感性分析；当试验数达到目标horizon时，直接估计仍更可取。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。