该研究提出了一种名为元分布能量（MDE）的新度量方法，用于提高自动模型评估框架的效率和效果。MDE通过建立与个体样本相关的元分布统计信息，并利用基于能量的学习提供更平滑的表示。验证了MDE在多模态、不同数据集和不同架构背景下的有效性，并证明了与分类损失的理论联系。同时展示了MDE与大规模模型的无缝集成以及在具有噪声或不平衡标签的学习场景中的简便适应性。