ConfTuner提出Tokenized Brier Score校准方法

2026年10月4日，机器之心报道称，新加坡国立大学团队在入选NeurIPS 2025的论文ConfTuner中提出Tokenized Brier Score概率校准方法，通过直接训练候选置信度的概率分布，让模型表达的「把握」更接近其实际的正确率。报道称，该方法训练数据只需提供答案的对错标签，完全不需要人工标注「这道题模型应该有73%的把握」；在论文采用的4张A40 GPU训练条件下，ConfTuner使用2,000条训练数据，约4分钟完成微调。该报道将ConfTuner与TypeSafe AI因直接输出决策与概率而走红的Jev模型相联系，称ConfTuner早已探索相似的概率校准思路。报道同时指出，TypeSafe AI尚未公开Jev的底层架构，JevTuner并非在声称复现Jev的内部实现，而是提供一种技术路径上的可行性探索。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。