标签
本文提出 NeSCal，一种基于图的训练期正则化方法，对表示空间中相邻样本的预测分布之间的 Jensen-Shannon 散度进行惩罚。实验表明，该方法能够提升模型校准效果，并可与温度缩放等事后校准方法互补，在图像和表格基准上均得到验证。