Bootstrap是一种统计学中的重采样技术，通过从原始数据中反复抽取样本来估计统计量的分布。这种方法在机器学习和数据分析领域有着广泛应用，特别是在模型评估和不确定性量化方面。
Bootstrap 近期进展
2023年8月，一项研究提出Bagging使VC类对抗鲁棒学习样本复杂度降至线性，展示了Bootstrap方法在提高模型鲁棒性方面的潜力。Bagging使VC类对抗鲁棒学习样本复杂度降至线性2023年7月，QuasiMoTTo研究用准蒙特卡洛方法提升推理时扩展的样本效率，结合Bootstrap技术优化了机器学习模型的性能。QuasiMoTTo：用准蒙特卡洛方法提升推理时扩展的样本效率
2023年9月，研究提出五步诊断协议，检验LLM中"幻觉神经元"是否真实存在，Bootstrap方法被用于模型的不确定性评估。研究提出五步诊断协议，检验LLM中"幻觉神经元"是否真实存在