Skip to content
Hot eventLive

V-ECE：估计通用期望校准误差

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 9
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。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Statistics Machine Learning
    V-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。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.