实体
f-divergences
f-divergences
PulseAugur coverage of f-divergences — every cluster mentioning f-divergences across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Mentored Decoding：机器学习增强理论提升LLM推理速度与质量
研究人员推出了一种名为“Mentored Decoding”的新方法，该方法通过借鉴机器学习增强理论来提高语言模型的推理速度和质量。该方法正式定义了有损推测解码，允许偏离目标模型以提高速度，同时可能提高输出质量。论文详细介绍了Mentored Decoding的关键特性，包括其在特定情况下的几何性质以及用于参数查询和分布构建的高效数据结构。
-
AI评估方法利用博弈论评估信息，无需真实情况
研究人员开发了一种新颖的AI评估方法，该方法通过利用策略博弈和信息论的原理，绕过了对真实情况数据的需求。该方法将监督者视为一个策略玩家，通过提示来估计互信息，并将如实报告确立为最优策略。该方法表明，某些f散度，如全变差距离（TVD），可以提供针对对抗性操纵的多项式保证，在其他方法可能失败的地方保持有效性。