置信度分布固定时可靠性漂移的最坏情况界限

研究在协变量偏移下保持置信度分数分布不变时，可靠性关系的最坏漂移，约束每个置信度层内的重加权由 $\chi^2$ 预算控制。在可计算区间内，脆弱性轮廓等于预算平方根乘以层内正确倾向方差；超出区间则由倾向分布的尾部决定。实验表明 ImageNet 上多数分类器在温度缩放后该界限仍为正，且重排标签诊断对该统计量接近零一致。