Ange-Clément Akazan

ReliableNet 解决深度学习中自信错误预测问题

研究人员推出了一种用于深度学习中可信分类的新方法 ReliableNet。该方法直接约束预测既自信又错误的概率，这是一种可能绕过人工审查的关键故障模式。ReliableNet 将此表述为机会约束经验风险最小化问题，确保联合自信错误（JCW）概率低于用户定义的风险预算。在各种数据集和不同类型的分布变化下，ReliableNet 证明了其对 JCW 预算的认证遵守以及具有竞争力的准确性，在选择性排序方面优于现有方法。