LLM协方差降低组合半带采样遗憾
热点事件观察中
LLM协方差降低组合半带采样遗憾
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Vikram Kakaria、Anish Kataria 和 Anany Kotawala 在 arXiv 预印本中提出相关组合 Thompson Sampling：让大语言模型一次性划分候选臂，以 RBF 核构造相关协方差，Beta 后验仍只根据真实奖励更新。 论文摘要报告，该方法在16个合成 Bernoulli 任务族上、T=2,500 时，较传统组合 Thompson Sampling（CTS）的遗憾降低19%；延长至T=25,000并采用数据自适应核后，降幅为6%—7%。在含200篇真实新闻的 Microsoft MIND-small 数据集上，遗憾较 CTS 降低41%。这些结果目前属于论文摘要所报告的实验。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
大语言模型协方差驱动的相关 Thompson Sampling 改善组合半带宽遗憾报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AI大语言模型协方差驱动的相关 Thompson Sampling 改善组合半带宽遗憾
Vikram Kakaria、Anish Kataria 和 Anany Kotawala 提出一种组合 Thompson Sampling 方法：让大语言模型一次性给出臂的聚类划分，并通过 RBF 核构造相关协方差，而 Beta 后验仅由真实奖励更新。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。