arXiv · cs.AI· Nektarios Kalampalikis·· 18 天前AI 评分24
神经网络校准新方法：通过双层 Stackelberg 优化端到端联合学习准确性与校准
Calibration in One Go: Jointly Learning Accurate and Calibrated Neural Networks
来源与原文
arXiv · cs.AI
作者：Nektarios Kalampalikis
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13693v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出用双层 Stackelberg 公式将标准后校准器与骨干网络端到端联合训练，无需单独校准集或专用校准损失，仅引入一个额外超参数——校准器学习率。结果显示，直接将最终分类层作为校准器即可获得准确且校准良好的模型，不增加参数，性能超过 SOTA 校准器，并避免了多任务学习中单独校准组件的乘性开销。
来源：arXiv · cs.AI · arxiv.org