Les Houches指南：LHC分析中可重用的机器学习模型
高能物理 - 唯象学
2025-02-14 v3 高能物理 - 实验
摘要
随着机器学习在高能物理分析中的日益使用，以可重用形式发布训练好的模型已成为分析保存和重用的关键问题。这些模型的复杂性给准确报告它们以及确保它们在不同环境和长时间尺度上的行为稳定性带来了实际问题。在本说明中，我们讨论了当前状况，强调了具体的实际问题，并聚焦于最有前景的技术和策略方法，以确保可信的分析保存。这些材料源于LHC重新解释论坛和2023年Les Houches PhysTeV研讨会的讨论。
引用
@article{arxiv.2312.14575,
title = {Les Houches guide to reusable ML models in LHC analyses},
author = {Jack Y. Araz and Andy Buckley and Gregor Kasieczka and Jan Kieseler and Sabine Kraml and Anders Kvellestad and Andre Lessa and Tomasz Procter and Are Raklev and Humberto Reyes-Gonzalez and Krzysztof Rolbiecki and Sezen Sekmen and Gokhan Unel},
journal= {arXiv preprint arXiv:2312.14575},
year = {2025}
}
备注
12 pages; v2: added funding acknowledgement; v3 update in response to referee comments