Chenfeng Huang

该工作提出一种模型无关的在线鞅PAC-贝叶斯框架，用鞅集中不等式替代独立样本集中，在时间依赖与分布漂移下给出有限样本证书，并将该证书作为代理正则项，在固定预测骨干上训练门控残差贝叶斯头进行在线校准，采用先预测后更新的协议，在卷积、注意力与基于大语言模型的预测器上改善了协变量与概念漂移下的稳定性与准确度。

该工作提出一种模型无关的在线鞅PAC-贝叶斯框架，用鞅集中不等式替代独立样本集中，在时间依赖与分布漂移下给出有限样本证书，并将该证书作为代理正则项，在固定预测骨干上训练门控残差贝叶斯头进行在线校准，采用先预测后更新的协议，在卷积、注意力与基于大语言模型的预测器上改善了协变量与概念漂移下的稳定性与准确度。