研究人员开发了一种方法来分析分类器的可靠性如何在置信度分布保持不变的情况下发生变化。这种分析被称为“脆弱性剖面”，它量化了在特定协变量偏移下，在 $\chi^2$ 预算约束下的可靠性的最坏情况移动。研究发现，校准残差和分组方差并不总是决定脆弱性，尤其是在标签和预测是确定性的时候。该方法在 ImageNet 上使用各种分类器进行了测试，结果表明，对于几种模型，尤其是在温度缩放后，存在一个正边界。 AI
影响 引入了一个新的指标，用于理解模型鲁棒性以及数据漂移下的潜在故障模式。
排序理由 该集群包含一篇学术论文，详细介绍了一种分析分类器可靠性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
