共 2 篇相关文章
解读论文《Recalibrating Many Questions with Few Labels: Minimax Rates and Identification Limits》：拆解少标签多问题场景下的极小极大校准速率、池化 isotonic 估计器，以及识别后悔的指数衰减界与 β★ 常数。
我们苛刻地要求AI模型给出置信度曲线，却从未要求做决策、签字的人给出同样的"校准图"。本文提出用个人置信度台账与可靠性图，让人类判断像机器一样可被评分与检验。
