标签
本文引入了一个以平均核大小为基础的几何框架，为度量空间环境下的回归与分类推导出与模型无关的确定性经验误差与准确性界限，并揭示了准确性与稳定性之间的权衡关系，以及由数据歧义性导致的经验误差下限。
该论文将经典统计估计器改编到深度学习中，用于将认知不确定性溯源至偶然不确定性和数据稀缺来源，并利用近似费雪信息矩阵实现可扩展性。
该论文提出了一种可验证的无标签奖励，用于通过强化学习训练校准的概率预测器，避免了因奖励单个结果而导致的校准退化。应用于NFL胜率预测，使用该奖励训练的7B模型达到了与博彩市场相当的校准水平。