分布偏移下的可信机器学习

本文探讨了机器学习中的一个关键挑战：分布偏移对AI系统的可靠性和可信度的影响。 它侧重于不同类型的分布偏移（扰动、域、模态）下的鲁棒性、可解释性和适应性。 该研究旨在提高AI的普遍实用性和责任感，这对其社会影响至关重要。

• •解决了机器学习中分布偏移的问题。
• •侧重于鲁棒性、可解释性和适应性。
• •考虑了扰动、域和模态的偏移。
• •旨在提高AI的可靠性和普遍实用性。