温度缩放校准

弥合领域专业知识与泛化能力以实现性能估计

Bridging Domain Expertise and Generalization for Performance Estimation

在无标签测试集上估计模型真实性能时，可借用外部基础模型的预测作为参考信号，通过温度缩放校准对齐分布后再做置信度加权融合，缓解分布偏移下模型自身输出偏差被放大的问题；这套参考分布构造思路可直接迁移到视觉模型的部署前评估与模型选择。