最小优越性惩罚：决策感知严格评分规则的表征与校准

研究针对决策感知严格评分规则提出了最小优越性惩罚，以确保分类器验证中所有正确预测得分均高于错误预测。研究给出了 Brier 分数和对数分数恢复优越性所需惩罚下确界的闭式解；在 Brier 基准下，该值比既有文献方法缩减了 2.11（20 类）至 4.00 倍（3 类）。研究还将该机制扩展为严格适定的单参数惩罚族，指出选择大于下确界的更大惩罚属于校准权衡。