自回归语言模型利用势函数降低期望估计方差
热点事件持续更新
自回归语言模型利用势函数降低期望估计方差
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Francesco I. Re、Shubhangi Ghosh、Tim Vieira 与 Ryan Cotterell 在 arXiv 发布论文《Estimating Great Expectations Under Autoregressive Language Models with Potentials》，提出利用自回归语言模型采样时产生的下一词元条件概率，通过可加分解的势函数降低测试泛函期望估计的方差。 作者构造了方差取决于势函数选择的估计器，推导出势函数降低方差的条件，并为多个估计对象和应用设计实用势函数。基于论文摘要，实验在计算成本可比的情况下，在多个估计对象上实现了较大方差降低。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
自回归语言模型利用势函数降低测试泛函期望估计方差报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI自回归语言模型利用势函数降低测试泛函期望估计方差
研究提出利用自回归语言模型采样时产生的下一词元条件概率，通过可加分解的势函数降低测试泛函期望估计的方差。作者构造了方差取决于势函数选择的估计器，推导势函数降低方差的条件，并为多个估计对象和应用设计实用势函数；基于论文摘要，实验在计算成本可比的情况下实现了较大方差降低。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。