双层Stackelberg框架实现端到端校准

研究者 Nektarios Kalampalikis 等人提出一种基于双层 Stackelberg 形式的端到端训练方法，让标准后处理校准器与主干网络联合优化，无需单独的校准数据集或专用校准损失，仅新增校准器学习率一个超参数。 结果显示，直接以最终分类层作为校准器即可得到准确且校准良好的模型，且不增加额外参数，性能超越 SOTA 校准器，并避免了多任务学习等场景下独立校准组件的倍增开销。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。