LAPE后校准框架获NeurIPS 2026接收

深度学习模型常因置信度估计不准需事后校准，但现有分数变换方法难以捕捉局部特征空间中的空间性误校准。Xihao Wang、Chengyao Yu、Ruixing Ming 等人于 arXiv 发布 LAPE（Local Adaptive Probability Estimation）框架，作为即插即用模块，以全局校准器输出为稳定锚点，利用邻近校准样本的非参数局部证据细化预测，提升校准质量。 该框架通过 CFAF 扩展支持多视图输入设置，实验表明其在不同配置下均保持高效与鲁棒性，并提升现有基准的校准效果。论文已被 NeurIPS 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。