研究人员推出了一种名为信念分组策略优化(BGPO)的新型决策模型训练后方法,该方法区分了自信个体之间的分歧和共享信念中的不确定性。与将单一预测与观察到的选择进行评分的标准方法不同,BGPO提出了一系列信念,估计它们的普遍性,并为每个信念预测选择分布。这种方法利用贝叶斯规则估计每个信念产生观察到选择的可能性,从而权衡该选择对每个信念的对数得分奖励的贡献。BGPO在意见、对话安全、艺术品情感和照片美学等基准测试中表现出改进的性能,实现了更低的Jensen-Shannon散度,并在合成任务上更准确地恢复了潜在群体。 AI
影响 这项研究可能通过更好地理解预测中不确定性和分歧的来源,从而实现更细致的AI决策。
排序理由 该集群包含一篇详细介绍新方法的学术论文。[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 →