Potentials方法降低语言模型期望估计方差
热点事件持续更新
Potentials方法降低语言模型期望估计方差
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Francesco I. Re、Shubhangi Ghosh、Tim Vieira 和 Ryan Cotterell 提出一种利用采样时可获得的下一词条件概率,降低自回归语言模型测试函数期望估计方差的方法。论文称,该方法通过构造前缀 potentials 提高估计效率。 作者为多个估计目标和应用开发了相应的 potentials,并称在计算成本相近的情况下,这些方法在多个估计目标上实现了显著的方差降低。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
利用 Potentials 估计自回归语言模型下的期望报道时间线
沿着报道,了解事件的不同侧面。
10月12日
- arXiv · Machine Learning利用 Potentials 估计自回归语言模型下的期望
Francesco I. Re、Shubhangi Ghosh、Tim Vieira 和 Ryan Cotterell 提出利用采样过程中可获得的下一词条件概率,更高效地估计自回归语言模型下测试函数的期望。
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。