研究人员开发了一种新方法来分解顺序生成模型中的认知不确定性，特别是那些用于AI驱动的科学发现的模型。通过将多项式混沌展开拟合到训练模型的集合中，该方法提供了对奖励不确定性如何影响生成决策的可解释的分解。该技术在识别各种科学任务中的敏感和鲁棒组件方面，提供了对复杂数据集的可操作见解，其性能优于深度集成和贝叶斯神经网络等传统方法。 AI
影响 为理解和解释用于科学发现的AI模型中的不确定性提供了一个新颖的框架，有可能带来更强大、更可靠的AI驱动研究。
排序理由 学术论文，详细介绍了生成模型中不确定性分解的新方法。[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 →
