Calibrated Preference Learning: The Case of Label Ranking

Este documento formaliza la calibración para la clasificación probabilística de etiquetas, introduciendo una jerarquía de nociones para clasificaciones completas, subclasificaciones y top-k. Empíricamente, los modelos populares de clasificación de etiquetas suelen estar mal calibrados, con implicaciones para los modelos de recompensa RLHF.