现代自回归语言模型研究了上下文学习中的校准问题。实验表明，模型大小和数据集微调对性能与校准之间的权衡有显著影响。提出的线性校准技术（LinC）在少量样本下显著提升模型预测性能，平均改善率达21%。此外，研究了标签偏移现象，并提出生成校准方法，优化了文本分类任务的表现。

该研究提出了一种反渲染方法，将现有室内全景图转换为新的室内家具布局。通过拍摄室内和室外HDR图像，并进行线性校准，实现了准确的场景重光。研究还提供了一个经过校准的HDR数据集。