CuBAS Review — 2026-07-10

📌 基本信息

论文：CuBAS: Information Geometric Curvature-Based Adaptive Sampling for Supervised Classification
作者：Alexandre L. M. Levada (Federal University of São Carlos)
领域：统计机器学习 / 信息几何 / 自适应数据选择
arXiv：2607.03145v1 (Jul 3, 2026)

🎯 核心概念

curvature-based-adaptive-sampling — 曲率驱动的自适应采样算法：将监督分类的训练集筛选转化为统计流形上的几何推断问题
potts-markov-random-field — q-state Potts 模型建模 k-NN 图上的标签交互：局部条件分布由逆温度 β 参数化
observed-fisher-information — Φ_i（一阶，度量）+ Ψ_i（二阶，曲率）的封闭形式，均从 Potts 充分统计量直接计算
shape-operator — 一维 Potts 统计流形上退化为标量 S_i = -Ψ_i/Φ_i，编码局部统计曲率
adaptive-threshold-estimation — Otsu → Ashman's D (≥2.6) → Tukey-fence 三级级联
low-curvature-high-curvature-decomposition — 低曲率（簇内部原型）+ 高曲率（决策边界），联合构成紧凑训练集
maximum-pseudo-likelihood — 规避 Potts 配分函数，割线法超线性收敛

🔗 概念网络

核心连接：observed-fisher-information ↔ shape-operator ↔ curvature-based-adaptive-sampling ↔ low-curvature-high-curvature-decomposition
理论基础：statistical-manifold → information-geometry → fisher-information-metric
已有伞概念更新：3 个（information-geometry、fisher-information-metric、statistical-manifold）
新增概念：7 个

📚 Wiki 集成

💡 关键洞察

样本信息量 = 统计流形曲率：CuBAS 将自适应的采样问题重新表述为一个几何问题——信息量大的样本天然处于统计曲率高处（决策边界），这种"几何 = 信息"的等价性是框架的核心优雅之处。
模型无关 vs 分类器依赖：CuBAS 不需要预训练分类器估计不确定性——曲率直接从图拓扑和 Potts 统计量计算。这在极小训练预算下（10%）形成结构性优势：Entropy 采样的 seed set 偏差导致不确定性信号不可靠，而 CuBAS 的曲率信号依赖的是全标记图的全局几何结构，固有免疫。
数据效率的几何解释：CuBAS 在 10% 训练比例下超越 Entropy +13.5pp——这不只是"更好的采样"，而是对训练集信息密度的根本性重构。同时保留低曲率原型（簇覆盖）和高曲率边界样本（判别力），使得小训练集具有"全谱"几何覆盖。