arXiv · cs.AI · Alberto Foresti, Ivan Butakov, Alexander Tolmachev, Giulio Franzese, Alexey Frolov, Pietro Michiardi · 8 小时前模型评分37
互信息估计新基准：统一 copula 框架揭示没有通用最优估计器
Towards Diverse and Comprehensive Benchmarks for Mutual Information Estimation
导读
研究提出一个基于统一 copula 理论的互信息估计基准框架，将现有基准作为特例纳入，并设计 copula-first 与 marginals-first 两类互补测试，覆盖合成数据、流式变换和真实图像数据。对非参数、变分和生成式三类估计器的评测显示没有通用赢家，每类都能在特定设置下系统性胜出。作者据此定位基本估计障碍，并开源代码。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We address this gap with a comprehensive benchmarking framework grounded in a unified copula-theoretic perspective that subsumes existing benchmarks as special cases.”
- “We share the open source code at this https URL .”
来源：arXiv · cs.AI · arxiv.org