待验证50% 置信解决方案精确时间
Temperature Scaling、Platt Scaling等后处理方法可在不改变模型预测排序的前提下重新调整输出概率分布
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证常见的后校准技术包括温度缩放（Temperature Scaling）、Platt Scaling 和等渗回归（Isotonic Regression），通过在独立验证集上拟合修正函数将原始输出重新映射为更可靠的概率估计而无需重新训练模型78% 相似已验证传统分类模型可通过温度缩放（Temperature Scaling）等后处理方法改善校准73% 相似待验证传统控制模型多样性的方法是通过调整温度、Top-p等采样参数70% 相似待验证温度参数、top-k 采样、nucleus 采样等生成策略都是对概率分布进行调控的手段70% 相似待验证概率校准是指将模型输出的预测分数转化为真实概率估计的后处理技术，常用方法包括 Platt Scaling 和 Isotonic Regression69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/992859API
curl https://kongchang.com/api/v1/knowledge/claims/992859MCP
get_claim(id=992859)