Nature 刊文：深度学习扰动模型标定指标可优于基线

2026 年 10 月 1 日，《Nature》机器学习栏目刊出一项研究，标题为“深度学习扰动模型在标定指标上可优于基线”。该研究给出的结论是，深度学习扰动模型在标定指标（calibrated metrics）上可以优于基线方法。报道同时说明，信源未提供摘要，因此论文涉及的具体模型、数据集与实验设置均无法核对。目前这件事停留在论文刊出这一步，没有更多后续进展可供整理。