概念Log Loss / 交叉熵损失
对数损失
评估概率预测质量的指标，对极端错误预测施加更严厉惩罚，概率越接近0或1错误时损失越大
时间轴 (近 90 天)
10月17日
Calibration Court的核心机制是在结果揭晓前将每条AI预测写入哈希链账本，并用Brier分数、对数损失和校准曲线进行评分。
待验证50%
10月16日
论文首次建立了对数损失下量子态在线学习的遗憾下界。
待验证50%
评估概率预测质量的指标，对极端错误预测施加更严厉惩罚，概率越接近0或1错误时损失越大
Calibration Court的核心机制是在结果揭晓前将每条AI预测写入哈希链账本，并用Brier分数、对数损失和校准曲线进行评分。
论文首次建立了对数损失下量子态在线学习的遗憾下界。