CalArena：大规模事后校准基准

CalArena 发布了覆盖近 2000 个实验的事后校准基准，涵盖表格和计算机视觉任务。 该基准聚合了经典模型、深度学习架构及基础模型的预测，并包含数十种校准方法的统一实现。 研究者提出以合理评分规则中的事后改进（PHI）替代传统校准误差估计器，并开源了数据与代码。