論文の概要: Let Confidence Change, Not the Prediction: Prediction-Preserving Repair for Post-hoc Calibration
- arxiv url: http://arxiv.org/abs/2609.01072v2
- Date: Wed, 02 Sep 2026 01:14:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 15:35:44.751456
- Title: Let Confidence Change, Not the Prediction: Prediction-Preserving Repair for Post-hoc Calibration
- Title（参考訳）: 信頼を変化させ, 予測に代えて: 保温後の校正の予測保存修復
- Authors: Daehwan Kim, Haejun Chung, Ikbeom Jang,
- Abstract要約: ポストホック校正は報告された信頼性を補正するが、マルチクラス校正器は関連するトップ1予測を変更することもできる。
完全校正された確率ベクトルを修復することにより正確な予測を強制する最初のポストフィットアダプタである、トップ1決定保存(CORD)の校正器出力修復を提案する。
- 参考スコア（独自算出の注目度）: 4.300307544233363
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Post-hoc calibration corrects reported confidence, yet a multiclass calibrator can also change the associated top-1 prediction. Accuracy captures only the net effect of these changes on correctness, not how often predictions change; the Top-1 Prediction Change Rate (TPCR) instead measures this frequency. We propose Calibrator-Output Repair for Top-1 Decision Preservation (CORD), the first post-fit adapter to impose exact prediction preservation by repairing the full calibrated probability vector. From the original and calibrated outputs alone, CORD determines the mass assigned to the original top-1. The calibrated conditional distribution allocates the remaining mass over the other classes, yielding a repaired vector whose own argmax recovers the original prediction. On the calibration split, CORD coordinates the repaired masses to retain the calibrated outputs' mean mass on original predictions whenever attainable. The adapter alters neither the fitted calibrator nor its direct output, fits no additional supervised map, and requires no user- or validation-tuned hyperparameter. Across CIFAR-10/100 and ImageNet-1K, CORD attains zero TPCR by construction and lowers mean ECE, NLL, and Brier relative to the corresponding direct outputs in every dataset; paired gains persist under distribution shift and across calibration-set sizes. CORD thus removes the preservation constraint from calibrator fitting and assigns exact recovery of the original decision to subsequent output repair. Our code is available at https://github.com/labhai/CORD.
- Abstract（参考訳）: ポストホック校正は報告された信頼性を補正するが、マルチクラス校正器は関連するトップ1予測を変更することもできる。
精度は、これらの変化の正しさに対する効果のみを捉え、予測がどれだけ頻繁に変化するかではなく、Top-1予測変化率(TPCR)がこの周波数を測定する。
完全校正された確率ベクトルを修復することにより正確な予測を強制する最初のポストフィットアダプタである、トップ1決定保存(CORD)の校正器出力修復を提案する。
元の出力と校正出力だけで、CORDは元のトップ1に割り当てられた質量を決定する。
校正条件分布は残りの質量を他のクラスに割り当て、自己のargmaxが元の予測を回復する修復されたベクトルを生成する。
キャリブレーション分割では、CORDは修理された質量を調整し、キャリブレーションされた出力の平均質量を到達可能なときに元の予測に保持する。
アダプタは装着されたキャリブレータも直接出力も変更せず、追加の教師付きマップに適合せず、ユーザやバリデーション用に調整されたハイパーパラメータを必要としない。
CIFAR-10/100 と ImageNet-1K 全体で、CORD は構築によりゼロ TPCR を取得し、各データセットの対応する直接出力に対して平均 ECE, NLL, Brier を下げる。
これにより、CORDは、キャリブレータの取付けから保存制約を取り除き、元の判定の正確な回復をその後の出力修理に割り当てる。
私たちのコードはhttps://github.com/labhai/CORD.comで公開されています。
関連論文リスト
- When Can We Reuse a Calibration Set for Multiple Conformal Predictions? [0.0]
我々は,e-conformal predictionとHoeffdingの不等式が組み合わさって,単一校正集合の繰り返し使用を可能にすることを示す。
我々は、ディープニューラルネットワークをトレーニングし、キャリブレーションセットを使用して、Hoeffdingの補正を推定する。
この補正により、修正マルコフの不等式を適用することができ、定量化された信頼度を持つ予測セットを構築することができる。
論文 参考訳（メタデータ） (2025-06-24T14:57:25Z) - Adaptive Set-Mass Calibration with Conformal Prediction [60.47079469141295]
提案手法は,まず共形予測から始まり,所望のカバレッジを与えるラベルの集合を得る。
次に、共形制約に合わせて、質量正規化と温度スケーリングに基づくルールの2つの簡単なポストホックキャリブレータをインスタンス化する。
論文 参考訳（メタデータ） (2025-05-21T12:18:15Z) - Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。
ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
論文 参考訳（メタデータ） (2024-09-29T22:54:31Z) - Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。
我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
論文 参考訳（メタデータ） (2024-05-22T18:52:09Z) - Optimizing Calibration by Gaining Aware of Prediction Correctness [30.619608580138802]
クロスエントロピー(CE)損失はキャリブレータトレーニングに広く使われており、基底真理クラスに対する信頼を高めるためにモデルを強制する。
本稿では, キャリブレーションの目的から得られた, ポストホックキャリブレーションの新たなキャリブレーション手法を提案する。
論文 参考訳（メタデータ） (2024-04-19T17:25:43Z) - Calibration by Distribution Matching: Trainable Kernel Calibration
Metrics [56.629245030893685]
カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。
これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。
決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
論文 参考訳（メタデータ） (2023-10-31T06:19:40Z) - Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。
入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。
CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
論文 参考訳（メタデータ） (2022-07-13T14:13:49Z) - Revisiting Calibration for Question Answering [16.54743762235555]
従来のキャリブレーション評価はモデル信頼性の有用性を反映していないと論じる。
モデルが誤った予測に低信頼を割り当て、正しい予測に高信頼を割り当てているかどうかをよりよく把握する新しい校正基準であるMacroCEを提案する。
論文 参考訳（メタデータ） (2022-05-25T05:49:56Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。