MARGIN：多智能体基础模型协调的运行时置信度校准方法

MARGIN 是一种多智能体基础模型协调的运行时置信度校准方法，通过观察答案结果学习模型特定的置信度修正，无需重新训练模型或额外校准数据集。在 BigCodeBench 上，模型的平均置信度与准确性呈负相关，选择更自信的响应者在正确/错误对中表现低于随机；与五种在线校准基线相比，MARGIN 在两个代码生成任务中校准后预期校准误差更低。