多校准常被高估?Aaron Roth 提出只需全局校准加多准确性
Aaroth · x · 2026-11-03
Aaron Roth 指出,多校准虽在 omniprediction、快速一致性、hard core set 构造等应用中有效,但常属过度配置;这些应用只需要全局校准加多准确性(multiaccuracy)。他随后提出问题:校准多准确性是否真的能用更少样本学得?配图为论文《Calibrated Multiaccuracy: Deterministic and Randomized Sample Complexity》(Lu, Noarov, Roth, 2026-11-03)首页,摘要给出:随机化预测器的样本复杂度为 Õ(log|G|/ε² + 1/ε^{5/2}),确定性预测器为 Õ(log|G|/ε² + (log|G|)^{1/3}/ε^{8/3}),当 log|G| ≤ ε^{-1+κ} 时二者存在多项式分离,且三分之一次方依赖是内蕴的。
所属事件:Aaron Roth 新论文：校准多准确性的样本复杂度出现随机化分离(4 条相关)→
「研究」频道最新
- 浙大团队提出 PrimaCons 基准:揭示 Jev 跨原语决策不一致性 — Xu Liu · 2026-11-03
- 浙大等提出 MACR 框架:置信度接力式多智能体协作,token 开销降 6 倍 — Xu Liu · 2026-11-03
- MIT 权重空间编程被指或为持续学习的真正突破口 — daniel_mac8 · 2026-11-03
- 评测研究者 LChoshen 宣布加入魏茨曼科学研究所创办 CoLab — LChoshen · 2026-11-03
- 编辑 0.016% 权重根治 Qwen 推理死循环，MATH-500 从 7.9% 升至 48.1% — DeliciousGorilla · 2026-11-03
- MIT 提出 Soft-MTP：一行代码去掉 80% 噪声梯度，免费提升 LLM 预训练 — kastnerkyle · 2026-11-03