LegközelebbKövetkező útmutató
Spekulatív adatfolyam és több token előrejelzés
Műszaki
Műszaki ÚTMUTATÓ
A konform predikció minden modellt becsomagol, hogy egy halmazt vagy intervallumot adjon ki, amely garantáltan tartalmazza az igaz választ meghatározott valószínűséggel, például 90%-kal.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Egyetlen találgatást megbízható tartománygá változtat, matematikai lefedettség ígéretével.
A legtöbb modell olyan pont-előrejelzést vagy softmax-pontszámot ad át Önnek, amely önbizalomnak tűnik, de gyakran nem az. A konform előrejelzés megoldja ezt. Vegyünk egy betanított modellt, pontozzuk, mennyire „furcsák” az egyes példák egy nem-megfelelőségi mérőszámmal (például a hiba vagy egy mínusz az előrejelzett valószínűség), és kiszámítja ezeket a pontszámokat egy kinyújtott kalibrációs halmazon. Egy új pont megjóslásához minden olyan címkét fel kell venni, amelynek nem megfelelőségi pontszáma nem rosszabb, mint a kalibrációs pontszámok nagyjából 90. százaléka. Az eredmény egy előrejelzési halmaz, esetleg több osztályozási címke vagy egy intervallum a regresszióhoz. A főcímgarancia terjesztésmentes: mindaddig, amíg adatai cserélhetők, a készlet a választott árfolyamon fedezi a valódi értéket, függetlenül attól, hogy melyik mögöttes modellt használta.
A bőrelváltozások osztályozója a {melanoma, nevus} készletet adja vissza, ha bizonytalan, és bőrgyógyász véleményét kéri egyetlen túlságosan magabiztos címke helyett.
A házáras modell 310 000 és 365 000 dollár közötti intervallumot ad ki, amely garantáltan tartalmazza az eladási árat a vevői tárgyalások idejének 90%-ában.
Az LLM kérdés-megválaszoló rendszer egy kis válaszjelölt-készletet csatol lefedettségi garanciával, nagy halmazokat jelölve meg emberi felülvizsgálatot igénylő esetként.
A gyógyszertoxicitás-szűrési csővezeték előrejelzési intervallumokat bocsát ki, így a vegyészek tudják, hogy mely vegyületek megbízhatóan szűk becslései vannak a bizonytalanokkal szemben.
A kutatás túllép a cserélhetőség követelményén az idősorok és az eloszlások eltolása felé, adaptív és súlyozott konform módszerekkel, amelyek online módosítják a küszöbértékeket. A feltételes lefedettség, amely garantálja az egyes alcsoportok kamatlábait, nem csak az átlagot, egy jelentős nyitott határ. Az LLM-csővezetékeken, az orvosi osztályozási eszközökön és az autonóm rendszereken belül konform rétegeket kell szállítani, mivel a szabályozók egyre inkább megkövetelik a kalibrált, auditálható bizonytalanságot a puszta előrejelzések helyett.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A konform predikció minden modellt becsomagol, hogy egy halmazt vagy intervallumot adjon ki, amely garantáltan tartalmazza az igaz választ meghatározott valószínűséggel, például 90%-kal. Egyetlen találgatást megbízható tartománygá változtat, matematikai lefedettséggel.
A konform predikció egy halmazt (osztályozást) vagy intervallumot (regresszió) ad vissza, amelyet úgy terveztek, hogy a valódi értéket egy kiválasztott arányban, például 90%-ban tartalmazza.
A garancia a cserélhetőségen alapul, vagyis a közös elosztás a pontok átsorolásával változatlan marad. Nincs szükség feltételezésekre a modellel kapcsolatban.
A nem megfelelőségi pontszámokat a kinyújtott kalibrációs készleten számítják ki, és ezek kvantilis határozza meg, hogy mely címkéket kell felvenni az új pontokhoz.
A lefedettség 1 mínusz alfa, tehát az alfa = 0,1 a valódi érték 90%-át célozza meg.
A keményebb bemenetek több olyan címkét eredményeznek, amelyek pontszáma a küszöb alá esik, így a nagyobb készletek nagyobb bizonytalanságot jeleznek.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Spekulatív adatfolyam és több token előrejelzés
Műszaki