真实目标的负本体论：面向民主监督下的机器学习评估与学习
机器学习
2026-05-29 v5
摘要
本文从哲学角度审视了关于真实目标（true target, TT）是否存在及其存在性假设的变迁如何为机器学习（ML）基于的预测建模带来新视角与洞见，并提出了面向民主监督（Democratic Supervision）的知识体系。通过系统分析当前主流机器学习范式中真实目标存在性的假设，我们明确采用负本体论视角，认为真实目标在现实世界中并不存在；基于此非存在假设，我们定义机器学习的民主监督。进一步本文提出多不可靠真实目标（Multiple Inaccurate True Targets, MIATTs）作为民主监督的实例级实现。基于MIATTs，我们推导逻辑驱动的MIATTs生成与评估原则、针对MIATTs的评估逻辑公式，以及针对MIATTs的不可定义真实目标学习。基于这些组件，我们构建了用于机器学习基于预测建模的MIATTs评估与学习（EL-MIATTs）框架。一个真实案例展示了所提出EL-MIATTs框架在支持个体教育与职业发展方面的潜力，与教育与职业发展领域关于民主监督的既有讨论相吻合。
引用
@article{arxiv.2604.24824,
title = {Negative Ontology of True Target for Machine Learning: Towards Evaluation and Learning under Democratic Supervision},
author = {Yongquan Yang},
journal= {arXiv preprint arXiv:2604.24824},
year = {2026}
}