다중 정확도와 다중 캘리브레이션은 예측에 대한 다중 그룹 공정 개념으로, 학습과 계산 복잡성에서 다양한 응용을 찾아왔다. 이러한 다중 공정 개념은 약한 어고노틱 학습이라는 하나의 학습 기본 원리로부터 달성될 수 있다. 이번 연구에서는 다중 정확도를 학습 기본 원리로서의 힘을 조사하였다. 결과적으로, 다중 정확도 자체는 상당히 약한 것으로 나타났지만, 글로벌 캘리브레이션을 추가함으로써(이를 캘리브레이션된 다중 정확도라고 함) 그 역량이 상당히 향상되어, 이전에 파악되지 않았던 시사점을 복구할 수 있음을 발견했다. 즉, 글로벌 캘리브레이션은 다중 정확도를 강화하는 데 중요한 역할을 한다는 것이다. 따라서, 다중 정확도를 고려할 때는 글로벌 캘리브레이션을 함께 고려하는 것이 유용할 수 있다.

<Apple 뉴스 본문 전체읽기>