待验证50% 置信事实精确时间

MIRA的扰动尺度选择依赖互信息估计，在批次较小或类别极多时可能面临估计方差问题。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

MIRA：互信息引导校准，提升测试时适应可靠性

涉及实体

MIRAconcept 互信息concept

相关事实

待验证互信息衡量预测与扰动分类器之间的依赖程度，若预测在扰动下变化剧烈则MI较小。80% 相似待验证VC维越高，区域越复杂，估计误差可能越大；互信息越大，区域选择与样本的关联越强，估计误差也越大。73% 相似待验证MIRA采用互信息置信度加权的熵损失，降低对扰动敏感或低置信度样本的权重。72% 相似待验证实例归一化会丢失幅度信息，而幅度在某些分类任务中可能是关键判别特征。72% 相似待验证数据质量对微调效果的影响往往远大于超参数调整，在样本量有限的场景下尤为关键71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1129530

API

curl https://kongchang.com/api/v1/knowledge/claims/1129530

MCP

get_claim(id=1129530)