MIT CSAIL: apenas recompensar respostas corretas leva à excessiva confiança dos modelos de raciocínio, novo método melhora a estimativa de incerteza

Mensagem AIMPACT, 26 de abril (UTC+8): O estudo do MIT CSAIL descobriu que modelos de raciocínio de topo se tornam excessivamente confiantes durante o treino por aprendizagem por reforço devido ao facto de serem apenas recompensados pelas respostas corretas, sem considerar a confiança. A equipa de investigação propôs um novo método que treina o modelo para estimar a confiança de cada resposta, melhorando significativamente a capacidade de estimar a incerteza sem comprometer a exatidão. O trabalho revela uma falha crítica nos mecanismos atuais de treino por aprendizagem por reforço e propõe uma direção de melhoria eficaz. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • Comentar
  • Republicar
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
Nenhum comentário
  • Fixado