Confidence Gate（置信度门控）

置信度门控通过设定阈值，当模型对预测的置信度低于阈值时，拒绝输出或转交人工处理。该方法源于选择性分类，旨在平衡覆盖率和准确率。在深度学习中，可通过softmax概率、熵或贝叶斯方法估计置信度。应用包括医疗诊断、自动驾驶等高风险场景，确保系统可靠性。相关研究包括置信度校准和不确定性量化。