分布シフト下でのキャリブレーションされたMixture-of-Expertsに向けて

混合専門家（MoE）モデルにおける、分布シフト下での較正について研究。個々の予測器の較正がアンサンブル精度と較正を向上させる一方、MoEにおける較正の有効条件を解明し、モデルの信頼性向上を目指す。

• 分布シフト下での混合専門家（MoE）モデルのキャリブレーション（較正）について研究。
• 個々の予測器のキャリブレーションが、アンサンブル全体の精度と信頼性を向上させることを実証。
• MoEモデルにおけるキャリブレーションの有効性を高める条件を特定・解明。
• モデルの信頼性向上と、予期せぬデータ分布変化への対応能力強化を目指す。