Right

general · 首次出现 2026-05-22 · 最近出现 2026-11-20 · 累计提及 446

综述

Right-censored data(右删失数据)是生存分析中的一类不完整观测数据,指研究对象在研究结束或中途退出时尚未发生目标事件,只能知道其存活时间超过某个值而不知道确切时间。在机器学习领域,如何为这类数据设计合理的评估指标,正成为统计学与 AI 交叉方向上的一个活跃议题。

Right-Censored Data 的近期进展

  • Proper Scoring Rules for Right-Censored Survival Data:这篇 arXiv 论文研究了针对右删失生存数据的严格评分规则(Proper Scoring Rules)。严格评分规则是评估概率预测质量的标准工具,但在删失数据场景下如何定义和使用一直存在理论空白。该工作为生存模型的概率预测提供了更规范的评估框架,对医疗预后、设备寿命预测等实际应用有直接意义。
  • Are We Evaluating VLM Token Pruning Right? Looking Beyond Accuracy and Token Count:另一篇 arXiv 论文则从评估方法是否"正确"(Right)的角度切入,指出视觉语言模型(VLM)的 token 剪枝方法目前主要用准确率和 token 数量衡量,忽视了其他重要维度,呼吁建立更全面的评估体系。
  • 当前焦点与观察点

    两篇论文虽然方向不同,但共同指向一个趋势:AI 社区开始重新审视"我们是否在用正确的指标评估模型"。生存分析中的删失问题在医疗 AI 中尤为关键——患者的随访数据天然不完整,如果评估规则不当,模型选择和比较都可能产生误导。而 token 剪枝等效率优化技术的评估偏差,则可能让一些被低估的方法失去应有的关注。

    值得观察的是,严格评分规则这类经典统计学工具正在被系统性地引入机器学习评估流程。对于做生存建模、医疗预测或模型效率优化的研究者和工程师来说,关注评估方法本身的严谨性,可能比单纯刷指标更有长期价值。

    相关报道

    10 条在档