Unverified70% confidenceSolutionExact time
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
2
Sources
70%
Confidence
Long-term
Relevance
9/27/2026
First Seen
Sources
Related Entities
Related Claims
Unverified改善模型校准的研究方向包括通过监督微调引入不确定性标记、使用温度采样对概率分布进行后校准，以及训练模型主动输出拒绝回答的能力78% similarVerified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78% similarUnverified常用的校准方法包括Platt Scaling（使用逻辑回归拟合sigmoid函数）和Isotonic Regression（使用保序回归拟合非参数单调映射）77% similarUnverified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 Regression76% similarUnverified输出稳定性衡量同一提示词在多次调用中结果的一致性，通常与temperature参数设置、采样策略及模型确定性有关75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/953524API
curl https://kongchang.com/api/v1/knowledge/claims/953524MCP
get_claim(id=953524)