超越置信度：重新思考深度代码模型中的不确定性校准

一项针对缺陷预测与漏洞检测的系统研究，用七种代码模型评估了十三种不确定性信号和三种事后校准方法。研究发现，强不确定性信号仍可能校准不佳，在高置信度端区分度有限；标准事后校准器虽能改善校准分数，却未必带来更好的选择性预测表现；常用校准指标与选择性预测性能可能不一致，需联合评估。