ICMLJun, 2021
元校准：使用可微分的期望校准误差学习模型校准
Meta-Calibration: Learning of Model Calibration Using Differentiable Expected Calibration Error
Ondrej Bohdal, Yongxin Yang, Timothy Hospedales
TL;DR提出一种新颖的框架，其中引入了可微替代预期校准误差 (DECE)，以直接优化校准质量，并采用 DECE 进行元学习框架，实现了对模型超参数的验证集校准优化。该框架在解决模型校准方面具有开创性，并在与业界最新校准方法的对比实验中取得了竞争力的表现。