研究人员在深度神经网络的训练过程中，发现了模型校准、曲率和边距之间存在着密切的联系。他们的研究表明，在整个优化过程中，预期校准误差（Expected Calibration Error）与基于曲率的锐度（sharpness）密切相关。通过引入一个关注鲁棒边距尾部和局部平滑度的、感知边距的训练目标，他们在不损害准确性的前提下，实现了更好的样本外校准。 AI
影响 增进了对如何在训练过程中实现更好模型校准的理解，有望带来更可靠的AI系统。
排序理由 关于神经网络校准和训练动态的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
Modern neural networks can achieve high accuracy while remaining poorly calibrated, producing confidence estimates that do not match empirical correctness. Yet calibration is often treated as a post-hoc attribute. We take a different perspective: we study calibration as a trainin…