用于量化SBI中认知校准不确定性的三向检验框架
A Three-Way Testing Framework for Quantifying Epistemic Calibration Uncertainty in SBI
- DEs, ICMC（数学与统计系，计算与应用数学研究所）
- Federal Univ. of São Carlos（圣卡洛斯联邦大学）
- Univ. of São Paulo（圣保罗大学）
- Brazil（巴西）
- Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
- Inria（法国国家数字科学研究所）
- CNRS（法国国家科学研究中心）
- Grenoble INP（格勒诺布尔国立理工学院）
- LJK（拉格朗日计算与分析实验室）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本文提出一种基于三向假设检验的新工具，用于诊断基于模拟推断中校准过程固有的认知不确定性，并评估模拟预算及截断估计的不确定性。
AI中文摘要：
当前实验科学家日益依赖基于模拟的推断（SBI）来反演具有难以处理的似然函数的复杂模型。在这些场景中，一个主要目标是获得具有有效覆盖率的可信区域。虽然近期与模型无关的共形校准方法已成功构建具有规定局部贝叶斯覆盖率的可信集，但其近似性质在校准过程中引入了固有的认知不确定性。在本工作中，我们提出了一种用于诊断校准不确定性的新工具。我们的方法基于一个简单的三向假设检验程序。我们展示了该工具如何被有效用于评估校准集所需的模拟预算，并分析与截断估计相关的认知不确定性。
英文摘要：
Current experimental scientists increasingly rely on simulation-based inference (SBI) to invert complex models with intractable likelihoods. A primary goal in these settings is to obtain credible regions with valid coverage. While recent model-agnostic conformal calibration methods have succeeded in constructing credible sets with prescribed local Bayesian coverage, their approximate nature introduces inherent epistemic uncertainty in the calibration process. In this work, we propose a novel tool for diagnosing calibration uncertainty. Our approach is based on a simple three-way hypothesis testing procedure. We demonstrate how this tool can be used to effectively assess necessary simulation budgets for calibration sets and analyze the epistemic uncertainty associated with cutoff estimation.
