速報 多重校準對抗共變數偏移:在不完美分類器下維持無偏盛行率估計 估計某類別在族群中的盛行率,常仰賴具錯誤率的測量工具(診斷測試、分類器或大型語言模型)做校正,但若目標族群在特徵分布上改變,傳統做法會導致偏差。研究指出,當遇到共變數偏移時,僅針對平均校準不夠;採用多重校準(multicalibration),對輸入特徵條件下強制校準,能在理論上保證無偏的盛行率估計。