ml-stat-Sustech/TorchCP

何を解決するか

TorchCP はディープラーニングにおけるコンフォーマル予測（CP）の標準化されたツールボックスを提供します。モデルの予測における不確実性を定量化する課題に対処し、ユーザーが指定した確率で真のラベルを含む予測集合（分類用）または区間（回帰用）を生成することで、基礎となるモデルアーキテクチャにかかわらず保証された結果を提供します。

どう動くか

PyTorch を基盤とし、GPUアクセラレーションを活用して、TorchCP は広範なコンフォーマル予測手法を実装しています。モデル訓練後に適用する「事後的手法」と、損失関数や訓練プロセスにCPを統合する「訓練時手法」の両方をサポートします。ライブラリはタスクタイプごとに構成されており、異なるモダリティ向けに専用のスコア関数と予測器を提供しています。

誰向けか

分類、回帰、グラフニューラルネットワーク（GNN）、大規模言語モデル（LLM）などに取り組む機械学習の研究者および実務家で、ディープラーニングモデルに対する厳密な不確実性評価が必要な方々を対象としています。

特徴

• 広範なタスク対応: 分類、回帰、グラフニューラルネットワーク（GNN）、大規模言語モデル（LLM）向けのCP手法を実装。
• 多様な手法: 事後的手法と訓練統合型コンフォーマル手法の両方を含む。
• GPUアクセラレーション: PyTorch を活用し、高性能な計算を実現。
• 豊富な実装: NeurIPS、ICML、ICLR などの主要会議で発表された最先端手法を多数統合。
• 高い信頼性: 100%のユニットテストカバレッジを維持。