热点事件持续更新
V-ECE：估计通用期望校准误差
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv（Statistics Machine Learning）发表题为《V-ECE：估计通用期望校准误差》的论文，提出变分估计器 V-ECE。该方法用预测依赖的恰当分数估计通用凸散度（含 L_p 距离）下的校准误差，并以梯度提升对温度缩放拟合残差来估计超额风险。论文称该方法无需分箱或聚类，在期望上为真实校准误差的下界。在基于真实分类器的半合成基准上，V-ECE 在各类校准误差中均为最准确的二分类估计器之一，并在多分类任务上显著优于所有对比方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发表 V-ECE 论文，提出无需分箱的通用校准误差变分估计器，在半合成基准上表现领先。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine LearningV-ECE：估计通用期望校准误差
论文提出变分估计器 V-ECE，用预测依赖的恰当分数估计通用凸散度（含 L_p 距离）下的校准误差，并以梯度提升对温度缩放拟合残差来估计超额风险。该方法无需分箱或聚类，在期望上为真实校准误差的下界。在基于真实分类器的半合成基准上，V-ECE 在各类校准误差中均为最准确的二分类估计器之一，并在多分类任务上显著优于所有对比方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。