用于多实例部分标签学习的可校准消歧损失

本文可能提出了一种新的损失函数，旨在提高机器学习模型在标签不完整或模糊情况下的性能。重点是多实例学习，在这种设置中，标签被分配给实例的集合而不是单个实例。“可校准”一词表明该损失函数旨在提供可靠的概率估计，这对于实际应用至关重要。来源为ArXiv表明这是一篇研究论文，可能详细介绍了数学公式、实验结果以及与现有方法的比较。