高能物理中机器学习标定的偏差与先验依赖

机器学习为改进高能物理探测器中几乎所有重建对象的标定提供了令人振奋的机遇。然而，机器学习方法往往依赖于训练期间所用样本能谱，这一问题被称为先验依赖。这是标定的一种不良特性，因为标定需要适用于多种环境。本文旨在明确揭示某些基于机器学习的标定策略的先验依赖性。我们展示了近期一些基于模拟和基于数据的标定方案如何继承训练所用样本的特性，从而可能导致下游分析的偏差。对于基于模拟的标定，我们认为近期提出的 Gaussian Ansatz 方法可以避免先验依赖的一些陷阱，而先验无关的基于数据的标定仍是一个开放问题。