EUA-Cal

新的EUA-Cal方法对抗AI模型过度自信

研究人员开发了一种名为EUA-Cal的新方法，以解决深度神经网络和大型语言模型中过度自信的问题。他们观察到，模型在训练早期校准得更好，保留了随着持续训练而丢失的不确定性意识。EUA-Cal旨在通过使用早期模型作为校准的锚点来保留这种早期不确定性，并结合预测和特征空间的正则化技术来减轻过度自信。在图像分类和问答任务的八个不同模型上进行的实验表明，EUA-Cal优于现有的最先进校准方法。