Calibrated Uncertainty（校准不确定性）

背景：深度神经网络常因softmax输出而过度自信，导致在安全关键场景中不可靠。技术说明：校准方法分为后处理（如温度缩放、Platt缩放）和训练时正则化（如标签平滑、焦点损失）。评估指标包括期望校准误差（ECE）和最大校准误差（MCE）。代表性工作有Guo等2017年提出的温度缩放，以及Lakshminarayanan等2017年的深度集成。