潜在后验因子的理论基础：多证据推理的形式化保证

本文提出了潜在后验因子（LPF）的完整理论表征，这是一种用于在概率预测任务中聚合多种异构证据的原则性框架。多证据推理广泛存在于医疗诊断、金融风险评估等高风险领域。LPF 通过变分自编码器将每个证据项编码为高斯潜在后验，经蒙特卡洛边缘化转化为软因子，并利用精确和积网络或学习型聚合器进行聚合。研究证明了包括校准保持、误差衰减及不确定性分解在内的七项形式化保证，并在实证中验证了其在安全关键应用中作为可信多证据 AI 基础的潜力。