超越单热编码标签:用于模型校准的语义混合
📝
内容提要
本文解决了现有模型校准方法对单热标签数据集的依赖问题,提出了校准感知数据增强方法,创造了合成的多样本数据集及其真实的不确定性标签。提出的校准感知语义混合框架能够生成具有混合类特征的训练样本,并通过扩散模型标注独特的置信分数,实验证明CSM在校准性能上优于现有方法,对模型的不确定性评估有重要影响。
➡️
本文解决了现有模型校准方法对单热标签数据集的依赖问题,提出了校准感知数据增强方法,创造了合成的多样本数据集及其真实的不确定性标签。提出的校准感知语义混合框架能够生成具有混合类特征的训练样本,并通过扩散模型标注独特的置信分数,实验证明CSM在校准性能上优于现有方法,对模型的不确定性评估有重要影响。