概念温度缩放
Temperature Scaling
Temperature Scaling是一种模型后处理校准技术，通过对模型输出的logits除以一个温度参数来调整概率分布，使其更接近真实频率，且不改变模型预测的排序顺序。
时间轴 (近 90 天)
10月9日
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
待验证50%
9月27日
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
待验证70%
9月27日
置信度校准方法包括 Platt Scaling、Temperature Scaling 等后处理技术
待验证50%
9月16日
改善校准的技术手段包括温度缩放和等频校准等后处理方法
待验证50%