稀有事件估計

深度分析

SCARCE：以嵌入式表示與自適應門檻提升稀有事件估計效率

稀有事件決定AI安全，傳統子集模擬需手工性能函數，難以跨領域。SCARCE以嵌入式表示學習幾何測度，自適應量化門檻構建階層事件，省去領域專家設定。實驗顯示在MNIST上誤差降低四百至五百倍，在LLM jailbreak估計中相對誤差僅2.6%。此方法為AI安全評估提供新思路。