SoftECE

新的SMART方法改进了神经网络校准和不确定性量化

研究人员开发了一种名为样本边距感知温度重校准（SMART）的新方法，以改进神经网络的校准。当前方法要么应用统一调整导致偏差，要么使用更复杂的方法但方差较高。SMART通过使用前两个对数（logits）之间的边距作为决策边界不确定性的信号来解决这个问题，为不确定性量化提供了一种稳健且高效的解决方案。评估表明，SMART比现有方法使用更少的参数和数据，实现了最先进的校准性能。