CalCErt：医学图像分类中置信度校准的分箱认证

CalCErt 是一种简单高效的后处理策略，可为任意预训练可微分分类器提供分箱置信度校准认证。该方法结合经验校准估计、统计集中界与置信函数的局部 Lipschitz 估计，在半径 R 的 ℓ2 球内推导最坏情况失校准的数据相关上界。在 11 项医学图像分类任务与多种对抗扰动上的实验显示，其认证覆盖率显著高于基线策略，同时保持有竞争力的紧致度。代码已开源。