研究人员推出 CORD(Calibrator-Output Repair for Top-1 Decision Preservation,用于保持 top-1 决策的校准器输出修复),这是一种新颖的后拟合适配器,旨在改进机器学习模型的事后校准。CORD 确保在调整置信度分数的同时,原始的 top-1 预测保持不变。该方法修复校准后的概率向量以保持初始预测,从而通过设计实现零 Top-1 预测变化率(TPCR)。在 CIFAR-10、CIFAR-100 和 ImageNet-1K 等数据集上的实验表明,CORD 不仅保持了预测,而且与直接校准输出相比,还降低了 ECE、NLL 和 Brier 等指标。 AI
影响 在不牺牲预测准确性的情况下提高模型置信度分数的可靠性。
排序理由 该集群描述了一篇详细介绍机器学习事后校准新方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- Calibrator-Output Repair for Top-1 Decision Preservation
- CIFAR-10
- CIFAR-100
- CORD
- ECE
- Top-1 Prediction Change Rate
- Brier
- ImageNet-1K
- Top-1 Prediction Change Rate (TPCR)
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →