# 多精度不可区分

在固定特征分布、任意模型类的设定下，不可知学习（训练判别模型去逼近类内最优）与多准确度（训练生成模型使类内所有观察者都分不清真假标签）被证明在统计与计算复杂度上等价。此前只有从不可知学习到多准确度这一方向已知，反方向因单个多准确度预测器即使校准也无法超过随机猜测而悬置；新的归约反复调用多准确度预言机、按预测值分层并加权平均，最终得到既多准确又校准的预测器，从而完成不可知学习。

在固定特征分布、任意模型类的设定下，不可知学习（训练判别模型去逼近类内最优）与多准确度（训练生成模型使类内所有观察者都分不清真假标签）被证明在统计与计算复杂度上等价。此前只有从不可知学习到多准确度这一方向已知，反方向因单个多准确度预测器即使校准也无法超过随机猜测而悬置；新的归约反复调用多准确度预言机、按预测值分层并加权平均，最终得到既多准确又校准的预测器，从而完成不可知学习。