Оцінювання ефективності моделей машинного навчання: уніфікована метрика балансування продуктивності та вартості

• Datum: 2026
• Hauptverfasser: Zarichkovyi, Alexander, Stetsenko, Inna, Stelmakh, Oleksandr, Dyfuchyn, Anton, Kornaga, Yaroslav
• Format: Artikel
• Sprache: Englisch
• Veröffentlicht: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2026
• Schlagworte: ефективність штучного інтелекту; обчислювально-орієнтоване оцінювання; оцінювання моделей; сталість штучного інтелекту; ефективність програмного забезпечення
• Online Zugang: https://journal.iasa.kpi.ua/article/view/358084
• Назва журналу: System research and information technologies

This paper introduces a novel, unified metric for evaluating the efficiency of machine learning, deep learning, and artificial intelligence models by balancing predictive performance and execution cost. Existing metrics typically isolate performance or execution measures (e.g., FLOPs, latency, energy), failing to capture the inherent trade-off between resource constraints and predictive capability in single formula. The proposed formula incorporates a tunable trade-off factor and hard constraints on performance and cost, allowing principled comparison across models and deployment settings. Our formulation generalizes prior heuristics and demonstrates clear interpretability, scalability, and hardware awareness.