BOLT损失函数：基于贝叶斯误差上界的分类器训练

2026年10月16日，arXiv Computer Vision 刊出研究，作者 Mohammadreza Tavasoli Naeini 等人提出一种从分类器输出样本计算贝叶斯误差率（BER）通用上界的方法，并据此定义新损失函数 BOLT（Bayes optimal learning threshold），训练时通过最小化该上界更新模型参数。报道称，该上界在二分类情形下是紧的，多分类聚合形式存在 max-sum 间隙。在合成与真实数据集实验中，报告设置下 BOLT 训练的留出分类误差常低于交叉熵训练。目前进展仅限该篇论文的方法提出与实验报告，尚无后续跟进报道。

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。