world1000 님의 블로그

1. 통계·머신러닝 방법론지난 24~48시간 구간에서 새로 부각된 방법론 논문은 확인되지 않는다. 특기할 신규 항목 없음. 다만 최근 흐름의 맥락으로 다음 두 건을 참고 사항으로 남긴다.Causal Foundation Models with Continuous Treatments — 연속형 처치(treatment) 상황에서 트랜스포머 기반 메타학습·인컨텍스트 학습으로 인과효과를 예측하는 인과 기반모형을 제안한다(2026-05). https://hf.co/papers/2605.15133Bayesian Conformal Prediction via the Bayesian Bootstrap — 영향함수 기반 베이지안 부트스트랩으로 예측구간의 보정(calibration)과 첨예성(sharpness)을 개선한다(20..

수집 시각은 한국 시간 7월 16일 오전이며, 대상 기간은 대략 7월 13일부터 15일까지의 최신 항목이다.1. 통계·머신러닝 방법론Robust Bayes-Assisted Conformal Prediction베이즈 사전정보를 컨포멀 예측에 결합하여, 모형 오지정(misspecification) 상황에서도 유한표본 커버리지 보장을 강건하게 유지하는 방법을 제안한 신규 프리프린트이다. 불확실성 정량화와 베이지안 접근의 접점을 다룬다는 점에서 방법론적으로 주목된다.링크: https://arxiv.org/abs/2607.04236Causal Foundation Models with Continuous Treatments (참고 항목)연속형 처치 설정에서 트랜스포머 기반 메타학습·인컨텍스트 학습으로 인과효과(처치..