本文介紹被機器學習頂級國際會議 AAAI 2023 接收的論文 《Improving Training and Inference of Face Recognition Models via Random Temperature Scaling》。論文創新性地從概率視角出發，對分類損失函數中的溫度調節參數和分類不確定度的內在關系進行分析，揭示了分類損失函數的溫度調節因子是服從 Gumbel 分布的不確定度變量的尺度系數。從而提出一個新的被叫做 RTS 的訓練框架對特征抽取的可靠性進行建模。基于 RTS 訓練框架來訓練更可靠的識別模型，使訓練過程更加穩定，并在部署時提供一個對樣本不確定度的度量分值，以拒識高不確定的樣本，幫助建立更魯棒的視覺識別系統。大量的實驗表明 RTS 可以穩定訓練并輸出不確定度度量值來建立魯棒的視覺識別系統。
