DalšíDalší průvodce
Online a těžká negativní těžba
Technický
Technický PRŮVODCE
Negativní vzorkování a odhad kontrastu šumu (NCE) jsou triky, které umožňují modelům učit se přes obrovské slovníky bez počítání nákladného plného softmaxu.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Instead of scoring every possible output, they teach the model to tell real (positive) examples from a handful of fake (negative) ones.
Když má slovní zásoba stovky tisíc slov, normální softmax se musí normalizovat přes každé slovo pro každý tréninkový krok – příliš pomalu. Kontrastivní odhad šumu přeformuluje problém jako binární klasifikaci: s ohledem na cíl a několik vzorků „šumu“ získaných ze známé distribuce se naučte rozlišovat skutečný vzorek od šumu, což implicitně obnovuje požadované pravděpodobnosti bez explicitní normalizace. Negativní vzorkování, popularizované modelem skip-gramu word2vec, je zjednodušený bratranec: pro každý pravdivý (slovo, kontext) pár vzorkuje k negativů a trénuje model tak, aby přiřadil vysoké skóre skutečnému páru a nízké skóre padělkům, pomocí sigmoidního cíle. Oba proměňují drahý problém s více třídami na mnoho levných binárních, díky čemuž je školení vkládání ve velkém měřítku praktické. Volba rozložení hluku (často jednogramové zvýšení na 3/4 výkonu) silně ovlivňuje kvalitu.
word2vec skip-gram s negativním vzorkováním vkládání slov z miliard tokenů bez úplného softmaxu.
Jazykové modely historicky využívající NCE k efektivnímu trénování slovní zásoby o stovkách tisíc slov.
Systémy doporučení a vyhledávání vzorků „negativních“ položek, s nimiž uživatel neinteragoval, za účelem trénování dvouvěžových modelů vestavby.
Vkládání grafů a znalostních grafů (např. poškození hlavy nebo ocasu trojice) pomocí negativních vzorků k učení vztahů mezi entitami.
Základní myšlenka – učte se porovnáním pozitiv proti vzorkovaným negativům – nyní podpírá moderní učení se samokontrolou a kontrastivní reprezentací napříč vizí, jazykem a doporučením. Budoucí práce se soustředí na těžbu tvrdých negativů (výběr informativních negativů místo náhodných), debiasování falešných negativů a levné škálování negativů prostřednictvím velkých paměťových bank nebo dávkového vzorkování. Jak modely rostou, efektivní vzorkované cíle zůstávají zásadní všude tam, kde jsou výstupní prostory nebo sady kandidátů obrovské, jako je vyhledávání a doporučování ve velkém měřítku.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Negativní vzorkování a odhad kontrastu šumu (NCE) jsou triky, které umožňují modelům učit se přes obrovské slovníky bez počítání nákladného plného softmaxu. Místo bodování každého možného výstupu učí model rozlišovat skutečné (pozitivní) příklady od hrstky falešných (negativních).
Obě metody se vyhýbají normalizaci přes obrovskou slovní zásobu tím, že přeformulují školení jako levnější binární diskriminaci.
NCE trénuje model tak, aby rozlišoval skutečné vzorky od vzorků získaných ze známé distribuce šumu.
Negativní vzorkování bylo zavedeno a popularizováno skip-gramovou variantou word2vec.
Negativní vzorkování zjednodušuje NCE tím, že odstraňuje normalizaci, pravděpodobnostní správnost obchodování pro rychlost a dobré vkládání.
Exponent 0,75 vyhlazuje distribuci frekvencí, takže běžná slova nepřevládají a stále se objevují vzácná slova.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Online a těžká negativní těžba
Technický