MIT CSAIL: Только поощрение за правильные ответы приводит к чрезмерной уверенности моделей рассуждения; новый метод повышает оценку неопределённости

Сообщение AIMPACT, 26 апреля (UTC+8): исследователи MIT CSAIL обнаружили, что в ходе обучения с подкреплением топовые модели вывода становятся чрезмерно уверенными, потому что их поощряют только за правильные ответы, не учитывая при этом уровень уверенности. Команда предложила новый подход: обучать модель оценивать уверенность в каждом ответе, чтобы существенно улучшить способность оценивать неопределённость, не снижая точность. Работа выявляет ключевой недостаток текущих механизмов обучения с подкреплением и предлагает эффективное направление для улучшений. (Источник: InFoQ)
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закреплено