不确定性:模型说“不知道”
置信 0.6 → 转人工
为什么学这一章
分类器给出 0.51,和给出 0.99,风险完全不同。温度标定 + 拒识阈值,让模型在不确定时把决定交回给人——这比再提两个点准确率更值钱。
工具PyTorch · NumPy
交付物标定前后可靠性图 + 拒识策略
关键数字| 原始置信 | 普遍过度自信 |
|---|---|
| 温度标定后 | ECE 0.12 → 0.03(示意) |
| 拒识比例 | 5%(示意) |
全局敏感性分析:把“模型不准”换算成钱
· Andrea Saltelli et al. · 2008
浮点累加顺序:为什么同一份数据算两次不一样
· David Goldberg · 1991
LLM 能当 CFO 吗:132 个月的企业资源分配考场
· Han, Wang, Qian, Li, Cao, He, Peng, Shen, Xu, Chen, Feng, Huang, Liu, Nie, Ananiadou · 2026
审计准确率 82%:模型负责找,程序负责算
· Wang, Ai, Patel, Peng, Mo, Cao, Li, Cao, Qian, Gutierrez-Basulto · 2026
章节正文面向已入学的学员。上面的提纲是公开的:先看清这一章要解决什么,再决定是否注册。
© 慧之帆信息科技 · 打印时间: