Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakAF: MEDIUM: Efficient Algorithms for Learning with Distribution Shift
Proyek riset & pengembangan

AF: MEDIUM: Efficient Algorithms for Learning with Distribution Shift

Ringkasan tujuan riset

Algoritme TDS dan PQ diteliti untuk memberi prediksi terjamin atau abstain ketika data pengujian bergeser dari distribusi pelatihan.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2504016Periode tercatat 2025-08-01 sampai 2029-07-31.NSF 2504016MulaiAkhir tercatat202520302025-08-012029-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

TDS dapat menolak seluruh dataset bermasalah, sedangkan PQ memungkinkan abstensi pada contoh tertentu. Riset menghindari pengukuran jarak distribusi yang sulit dihitung dengan menghasilkan pengklasifikasi beserta bukti bahwa kinerjanya optimal atau pergeseran signifikan terjadi. Pengembangan juga mencakup aliran data berurutan yang mungkin adversarial, memakai teknik pseudorandomness, sum-of-squares, serta statistik robust, dengan validasi benchmark biologi dan bahasa.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Pennsylvania
Program
Algorithmic Foundations
Periode pendanaan tercatat
2025-08-01 → 2029-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.