机器学习引入“单元”原语！同质性假设被打破，异质单元世界如何用共享标记破解预测难题？
Toward Machine Learning with the Unit as a Primitive: Learning from Unit-Linked Events
📖 AI 总结
该论文提出将“单元”（unit）作为机器学习任务语义中的显式原语，以解决传统样本形式化中个体指代不明的问题。学习任务需先声明持久指代群体及同一性标准，监督学习则聚焦于单元条件响应律族。核心发现是：同质性仅是特例，样本条件无法区分同质世界与异质边际；学习结果由分词器和共享响应律形式构成，线性预测器为当前实例。当身份无法解析时，可采用可信解析器或“单元溯因”生成同类型分词。研究还证明，未链接的单行观测难以区分异质单元世界与同质合并世界，而可信同单元配对可分离受限见证。该工作为机器学习提供了以单元为原语的新形式化框架，对处理个体异质性和身份解析问题具有理论意义。
🔑 关键词速览
| unit | 指持久个体或实体，作为学习任务中的显式原语，用于表示事件所指的对象。 |
| unit-conditioned response laws | 以单元为条件的响应定律，描述在给定特定单元下响应变量的分布规律。 |
| tokenizer | 分词器，将输入数据转换为上下文单元标记的组件，用于表示单元信息。 |
| unit abduction | 单元溯因，从事实证据中推断或形成单元标记的过程，当单元身份未直接给出时使用。 |
| homogeneity | 同质性，指所有单元的条件响应定律相同的情况，与异质性相对。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅