Convex Calibration Dimension on TechLLM

Convex Calibration Dimension on TechLLMhttps://techllm.github.io/tags/convex-calibration-dimension/Recent content in Convex Calibration Dimension on TechLLMHugokoSun, 16 Aug 2026 07:38:28 +0900여러 라벨을 한꺼번에 맞히는 문제에서 Jaccard/IoU 점수를 완벽하게 최적화하려면, 필요한 예측 공간이 라벨 수에 따라 폭발적으로 커진다는 것을 증명한 논문이다.https://techllm.github.io/posts/exponential-convex-calibration-dimension-for-the-multi-label-jaccard-m/Sun, 16 Aug 2026 07:38:28 +0900https://techllm.github.io/posts/exponential-convex-calibration-dimension-for-the-multi-label-jaccard-m/본 논문은 다중라벨 Jaccard 손실의 정확한 convex calibration dimension이 지수적으로 커진다는 것을 보인다. 핵심 결과는 2^(s-1) ≤ CCdim(L^Jac) ≤ 2^s - 1이며, 이는 모든 정확 보정 convex surrogate가 라벨 수 s에 대해 지수적으로 많은 예측 좌표를 필요로 함을 뜻한다.