共识感知校准方法

校准性能显著提升

通过能量锚定和视图共识实现可靠的测试时提示调优，在分布偏移下保持竞争优势。

Wang, Min · Miao, Jia · Yang, Hao · 成清 · 黄金才

Knowledge-Based Systems 2026

技术优势

校准更可靠

基于能量的投票和共识集合抑制了不确定视图的干扰，使预测置信度与真实准确率更一致。

视图多样性更高

共识感知的选择机制不再盲目追求高置信度，而是纳入语义一致的多样视图，提升适应性。

应用场景

• 视觉语言模型：无需重新训练即可提升开放世界下的校准可靠性，适合部署在 VLMs 推理管线中。
• 测试时适应：在测试时动态校准预测置信度，使模型面对分布偏移时输出更可信的概率。
• 机器人感知：提升机器人感知模型在陌生场景下的置信度可靠性，减少错误决策。
• 软体机器人控制：为软体机器人控制提供更校准的预测，避免因过度自信导致危险动作。