NH-CROP: Prezzi Robusti per Asset di Dati Linguistici Governati in Condizioni di Incertezza sui Costi
Un nuovo quadro di prezzi per asset di dati linguistici, NH-CROP, affronta l'incertezza sui costi utilizzando un approccio robusto troncato con un gate di acquisizione informativa senza danni. Il metodo decide se pagare per segnali di costo raffinati prima della determinazione del prezzo, confrontando strategie di prezzo diretto, prezzo consapevole del rischio e verifica-poi-prezzo. Testato su compiti sintetici, proxy reali e basati sull'utilità a valle, le varianti NH-CROP migliorano o eguagliano i benchmark. Ablazioni causali mostrano che la verifica a pagamento non è sempre vantaggiosa.
Fatti principali
- NH-CROP è un quadro di prezzi robusto troncato con un gate di acquisizione informativa senza danni.
- Il quadro opera in condizioni di incertezza sui costi per asset di dati linguistici governati.
- A ogni round, la piattaforma osserva un task NLP, un asset candidato e una stima approssimativa dei costi.
- Il metodo confronta prezzo diretto, prezzo consapevole del rischio e verifica-poi-prezzo.
- Le informazioni vengono acquisite solo quando il loro valore decisionale stimato supera la migliore alternativa senza verifica.
- I benchmark includono compiti sintetici, proxy reali e basati sull'utilità a valle.
- Le varianti NH-CROP troncate migliorano o rimangono competitive con i benchmark basati solo sul prezzo e consapevoli del rischio.
- Ablazioni causali mostrano che la verifica a pagamento non è sempre vantaggiosa.
Entità
—