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。
