研究者提出基于向量量化的多类局部校准方法

Cesare Barbera 等研究者提出 Divide et Calibra，一种基于向量量化（VQ）的多类校准方法：对表示空间做结构化划分，并共享 Dirichlet 浓度参数，学习区域特定的异构校准映射。 作者称，实验显示该方法在基准数据集上显著提升局部校准效果，同时保持有竞争力的全局校准与预测性能。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。