模型说「我有 70% 把握」，你敢信吗？校准（calibration）问的就是这个：它的概率，到底是不是真概率——凡是它说 70% 的事，是不是真有七成发生？
这篇论文给的结论有点扫兴。Haghtalab 等人 2024 提了个「近似真实」的在线校准度量，留下个悬案：精确的「真实性」能不能和「完备性」「可靠性」同时成立？本文对顺序二元预测给了否定答案——连独立结果都不行，精确真实性就是和那两条不相容。
可别急着绝望。作者发现，这个「不可能」是精确真实性独有的。他们给出两种从基础校准度量出发的归约：加性近似真实的、和乘性近似真实的。用乘性那个，对每个 0<ε<1，都能构造出既可靠又完备、且 (1+exp(-T^(1-ε)/2))-乘性真实的度量——比 2024 年的保证更紧。
费曼视角：一个天气员若对自己的不确定性永远「完全诚实」，他要么在撒谎，要么没用。你要的是「足够诚实」，不是「数学上完美诚实」。精确解不存在，近似解够用——这本身就是工程里最体面的退场。
收尾：概率报告若不可信，再漂亮的置信区间都是装饰。这篇把「怎么诚实地给 AI 打分」往前推了一步，用的不是更花哨的模型，是一点不动声色的数学。