Divide et Calibra：向量量化实现多类别局部校准

arXiv于2026年10月27日发表论文《Divide et Calibra》，提出一种基于向量量化的组合式多类别校准方法。该方法旨在解决传统局部校准因降维导致的误差问题，通过在表示空间构建结构化分区，利用共享因子生成区域特异性校准映射。 实验结果显示，该方法在基准数据集上显著改善了局部校准性能，同时保持了具有竞争力的全局校准与预测效果。该论文已被NeurIPS 2026会议接收，标志着这一校准方法在学术界获得认可。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。