Am Donnerstag, den 4. August 2026, halten Dr. Jonas Landsgesell und Pascal Knoll von der Universit\u00e4t Stuttgart sowie Dr. Tizian Wenzel von der Ludwig-Maximilians-Universit\u00e4t M\u00fcnchen und dem Munich Center for Machine Learning an der TU Dortmund einen Vortrag zum Thema \u201eScoringBench: Ein Benchmark zur Evaluierung tabellarischer Fundamentalmodelle mit Proper Scoring Rules\u201c.<\/p>\n\n\n\n
Das KI-Kolloquium, organisiert vom Lamarr-Institut, dem Research Center Trustworthy Data Science and Security (RC Trust)<\/a> und dem Center for Data Science & Simulation an der TU Dortmund (DoDas)<\/a>, bietet f\u00fchrenden Forscherinnen und Forschern eine Plattform zur Pr\u00e4sentation bahnbrechender Arbeiten auf dem Gebiet des maschinellen Lernens und der k\u00fcnstlichen Intelligenz.<\/p>\n\n\n\n Im Gegensatz zu anderen Kolloquien stehen bei diesen 90-min\u00fctigen Sitzungen der interaktive Dialog und die internationale Zusammenarbeit im Vordergrund. Sie umfassen einen einst\u00fcndigen Vortrag sowie eine 30-min\u00fctige Fragerunde. Das Kolloquium findet haupts\u00e4chlich auf Englisch statt. Das hybride Format stellt sicher, dass alle Interessierten entweder vor Ort oder online \u00fcber Zoom <\/a>teilnehmen k\u00f6nnen.<\/p>\n\n\n\n Obwohl manche tabellarischen Foundation Models (TFMs) vollst\u00e4ndige Vorhersageverteilungen liefern k\u00f6nnen, st\u00fctzen sich g\u00e4ngige Benchmarks meist nur auf Punktsch\u00e4tzungen wie den RMSE und vernachl\u00e4ssigen dadurch wertvolle probabilistische Informationen. Um diese L\u00fccke zu schlie\u00dfen, stellen die Referenten ScoringBench <\/strong>vor \u2013 ein offenes Benchmark, das tabellarische Regressionsmodelle mithilfe von Proper Scoring Rules<\/em> und Standardmetriken evaluiert. Die Ergebnisse zeigen, dass sich Modell-Rankings bei probabilistischer Betrachtung stark verschieben, unterschiedliche Verlustfunktionen spezifische induktive Verzerrungen erzeugen und gezieltes Feintuning die Metriken deutlich verbessern kann. Der Vortrag hebt hervor, dass die Wahl der Bewertungsmetrik eine zentrale Modellierungsentscheidung ist, die eng an der jeweiligen Anwendungsaufgabe ausgerichtet sein muss.<\/p>\n\n\n\n\u00dcber den Vortrag<\/h2>\n\n\n\n
\u00dcber den Organisator<\/h2>\n\n\n\n