研究人员提出了一种新颖的贝叶斯估计器，用于在对数损失下对大字母表的概率进行估计，这个问题之前由Good-Turing估计器等方法解决。这种新估计器的特点是其简单的构造，涉及从概率单纯形独立均匀抽样的坐标乘法。其遗憾（量化了与理想代码相比的额外代码长度）可以明确计算。该估计器在各种基准测试中表现出与专用方法相比具有竞争力，并揭示了与数据、字母表大小和深度相关的标度律。 AI
影响 引入了一种新的统计方法，可以改进各种人工智能应用中的概率估计，特别是那些涉及大词汇量或稀疏数据的应用。
排序理由 该集群包含一篇详细介绍新统计估计器的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
