生成模型学习中的不确定性量化研究

尽管生成模型已在各领域得到广泛应用，但其可靠性方面的根本性问题仍然存在。这些模型的一个关键但尚未得到充分研究的方面是围绕其分布逼近能力的不确定性量化。当前评估方法主要关注测量学习分布与目标分布之间的接近程度，而忽视了这些测量中固有的不确定性。在本立场论文中，我们形式化了生成模型学习中的不确定性量化问题。我们讨论了潜在的研究方向，包括基于集成方法的精确率-召回率曲线。我们在合成数据集上的初步实验表明，聚合的精确率-召回率曲线在捕捉模型逼近不确定性方面是有效的，能够根据其不确定性特征对不同模型架构进行系统性比较。