研究：人工软标签主要改善模型校准与收敛

Maja Pavlovic 等在 NeurIPS 2026 论文（arXiv:2605.18648）中，对 MNIST 及其合成变体上的软标签学习做了受控审计，通过重新标注子集提取人类不确定性，将人工软标签监督与标签模式偏移解耦。结果显示人工软标签确实带来准确率提升，但其更大价值是充当正则化器：改善困难样本上的模型校准，并使训练收敛更稳定。 数据集制图还表明，人工软标签训练的模型能对齐人类不确定性，而合成标签训练的模型则不能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。