RADAR：分离置信度修复、采纳与审计

该研究针对 LLM 置信度重校准只能修正标量分数所表达误差的问题，提出 RADAR（Repair, Adopt, and Diagnose After Recalibration），将置信度修复、是否采用修复及剩余误差审计分开处理。基于摘要分析，未取得论文全文。 理论上，作者在平方损失下将预测风险分解为结果噪声、被分数隐藏的信息及映射误差；若将修复限制为保序映射，还会引入 pooling gap。修复方法 Probe-Anchored Isotonic Calibration（PAIC）利用正确性探针在无标签目标提示上的预测学习单调映射。作者指出，其超额风险取决于探针在给定分数条件下的偏差与拟合误差，而非探针的整体准确率；探针自身如何训练尚未验证。 在采纳环节，作者提出配对程序，对错误判定改进提供有限样本控制；在审计环节，提出按提示聚类的核检验，在考虑同一提示下答案依赖性的同时，检测与特征相关的残差误差。作者报告，在多个 LLM 检查点、基准与分布偏移设置中，更丰富的预测器可以改善置信度估计，但将其信息投影回标量分数可能损失收益，预测风险降低也不必然改善人工复核决策。在 47,400 次重放的原始分数分配中，paired betting 采纳留出测试风险更低候选的比例为 42.95%，单侧 empirical Bernstein 为 15.09%；该比例不是回答准确率，也不能单独说明错误采纳率。 平台推测（待验证）：这一框架可能用于 EEG 分类器的置信度与拒识审计，但依赖可用的置信分数、正确性监督及合理的依赖分组。可复用保序校准和配对采纳思路，需将 LLM 提示分组改造为适合 EEG 被试或会话结构的分组。低信噪比、小样本与跨被试偏移可能使正确性探针产生条件偏差。一个可检验的小实验是在固定 Cross-subject 划分下，分别比较校准风险与复核决策收益，并用独立留出数据评估采纳结果；这不是已验证的 BCI 效果，已有 EEG 相关工作尚未检索确认。 具体基准、划分、探针构造、消融及统计细节尚未验证。摘要称代码与数据将在接收后发布，不能据此视为已接收或已公开。