人类软标签提升校准，合成标签无法对齐

Maja Pavlovic 等作者在 MNIST 及其合成变体上对软标签学习做受控审计，通过重新标注子集提取人类不确定性，将软标签监督与标签模式偏移解耦。结果显示，人类软标签虽带来准确率提升，但更大价值在于充当正则化器，改善困难样本上的模型校准并促进训练稳定收敛。 数据集地图分析表明，用人类软标签训练的模型能反映人类不确定性，而用合成标签训练的模型无法与人类对齐。

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。