TCUQ：基于时间一致性的单遍无标签不确定性量化，配合流式共轨校准用于 TinyML
机器学习
2025-08-19 v1 计算与语言
摘要
我们提出 TCUQ，一种用于 streaming TinyML 的单遍、无标签不确定性监控器，将短视角时间一致性通过轻量级后验信号和特征信号转换为已校准的风险得分，采用 O(W) 环形缓冲区和 O(1) 每步更新。流式共轨层将该得分转换为预算化的接受/放弃规则，实现无需在线标签或额外前向传播的已校准行为。在微控制器上，TCUQ 能在千字节级设备上顺利运行，相较于早期退出和深度集成（通常小约 50% 到 60%，且约快 30% 到 45%）在存储占用和延迟方面表现更优，同时类似精度的方法常常内存不足。在受损分布流中，TCUQ 将准确率下降检测提升 3 到 7 个 AUPRC 分数，最高可达 0.86 AUPRC 在高严重程度；对于失效检测达到最高 0.92 AUROC。这些结果表明，时间一致性结合流式共轨校准，为 TinyML 中的设备端监控提供了实用且高效的基础。
引用
@article{arxiv.2508.12905,
title = {TCUQ: Single-Pass Uncertainty Quantification from Temporal Consistency with Streaming Conformal Calibration for TinyML},
author = {Ismail Lamaakal and Chaymae Yahyati and Khalid El Makkaoui and Ibrahim Ouahbi and Yassine Maleh},
journal= {arXiv preprint arXiv:2508.12905},
year = {2025}
}