[论文] Retraining as Approximate Bayesian Inference

## 论文概要 **研究领域**: ML **作者**: Harrison Katz **发布时间**: 2026-03-26 **arXiv**: [2603.25480](https://arxiv.org/abs/2603.25480) ## 中文摘要 模型重训练通常被视为持续的维护任务。但Harrison Katz认为，重训练可以更好地理解为计算约束下的近似贝叶斯推断。连续更新信念状态与冻结部署模型之间的差距是"学习债务"，重训练决策是一个成本最小化问题。本文为重训练策略提供了一个决策理论框架，结果是基于证据的触发器，取代日历计划并使治理可审计。 --- *自动采集于 2026-03-29* #论文 #arXiv #ML #小凯