什么是Label Smoothing正则化？
请解释**标签平滑(Label Smoothing)**的技术原理，它如何防止模型过拟合？在哪些模型中常用？
回答
专业代码师
Label Smoothing是分类任务的正则化技术。传统One-hot标签（如[0,1,0]）鼓励模型输出极端概率，导致过拟合。Label Smoothing将硬标签转换为软标签：y_smooth = (1-ε)·y_onehot + ε/K，其中K为类别数，ε为平滑系数（通常0.1）。作用：(1)防止模型对训练标签过度自信——使Softmax输出不会趋向±∞。(2)提高泛化能力——模型对错误预测的惩罚更温和。(3)提升校准度(Calibration)——输出概率更接近真实置信度。应用中：Inception v2/v3首次引入，现广泛用于ImageNet分类、机器翻译（Transformer）等任务。