CalTwin：面向校准且抗分布偏移的医学世界模型 Fisher 信息正则化方法
[Daily Paper] CalTwin: Towards Calibrated, Shift-Robust Medical World Models via Fisher-Information Regularisation
AI 导读
Khan 等人提出 CalTwin，一种针对基于 GRU 的医学世界模型的轻量正则化目标，同时应对协变量偏移与置信度错配。在 PhysioNet 2019 Sepsis 上，CalTwin 将 OOD 下一步隐状态 MSE 降低 9.1%，其中 Fisher 信息矩阵惩罚贡献 7.0% 的降幅，但 CMP 单独使用时 ECE 降幅更大（1.3% 对 0.7%）。在 eICU-CRD 上 FIM 惩罚反而比基线差 0.4%，CMP 单独在六项主要指标中的四项优于 CalTwin。