概念calibration / 置信度校准
模型校准
统计与机器学习中的概念，指模型输出的置信度与实际准确率之间的一致性程度。校准良好的模型在声称70%置信度时，其对应预测的实际正确率应接近70%。
核心事实
时间轴 (近 90 天)
10月11日
校准可用于设定阈值自动通过高置信度案例，将低置信度边缘案例路由给人工复核，构建人机协作工作流
待验证50%
9月12日
模型校准（calibration）在统计学中定义为：若模型声称某答案有70%置信度，则大量此类声明中实际正确的比例应接近70%
已验证75%
8月31日
阈值函数的有效性高度依赖底层模型输出概率的校准质量，模型校准指预测概率应真实反映事件发生的实际频率
待验证50%
8月31日
阈值函数的有效性高度依赖于底层模型输出概率的校准质量，若模型未经良好校准则基于概率值设定的阈值函数将失去理论基础
待验证50%
8月30日
阈值函数的有效性高度依赖于底层模型输出概率的校准质量
待验证50%