Lattice：一种基于置信度门控的混合系统，用于具有行为原型的感知不确定性的序列预测

我们引入了 Lattice，这是一种混合序列预测系统，它使用二元置信度门控来条件性地激活学习到的行为结构。该系统将行为窗口聚类为行为原型，并使用二元置信度门控仅在置信度超过阈值时激活基于原型的评分，在不确定时回退到基线预测。我们在推荐系统、科学时间序列（LIGO）和金融市场上使用 LSTM 和 transformer 主干验证了 Lattice。在使用 LSTM 的 MovieLens 上，Lattice 在 HR@10 上比 LSTM 基线提高了 31.9%（p < 3.29 x 10^-25，30 个随机种子），比 SASRec 和 BERT4Rec transformer 基线分别提高了 109.4% 和 218.6%。在 LIGO 和金融数据上，当发生分布偏移时，系统正确地拒绝原型激活——这一成功的结果表明置信度门控可以防止错误激活。在 transformer 主干上，Lattice 提供了 0.0% 的提升（中性，无退化），在结构已存在时优雅地推迟。这种双向验证——在模式适用时激活，在不适用时拒绝，在冗余时推迟——支持将置信度门控作为管理安全关键应用中认知不确定性的有前景的架构原则。