研究者提出无真值标签的校准优先评分框架

Jackson Eshbaugh 与 Jorge Silveyra 提出一种校准优先框架，在既没有真值标签、也没有共享标注空间的条件下生成监督分数。 该框架先用有序校准特征构建合成有序参考空间，把原本不可比的各子集评分器输出对齐到统一尺度，再融合生成监督分数。研究者称，校准过程不依赖训练集的经验分布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。