LegközelebbKövetkező útmutató
Önkonzisztencia dekódolás
Nyelvi AI
Nyelvi AI ÚTMUTATÓ
A Minimum Bayes Risk (MBR) dekódolás azt a kimenetet választja ki, amely leginkább hasonlít sok más valószínű kimenethez, nem pedig az egyetlen legnagyobb valószínűségűhez.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
A nyers valószínűség helyett arra a minőségi mutatóra optimalizál, amely valóban fontos Önnek.
Standard decoding often selects the most probable sequence, while minimum Bayes risk (MBR) selects a candidate that minimizes expected loss—or equivalently maximizes expected utility—under a chosen comparison function and reference distribution. In practice, systems sample candidate outputs and use that pool as an approximation to the model’s output distribution, then score candidates against the pseudo-references. The quality depends on the candidate pool and the selected metric. In machine translation, studies have evaluated neural metrics such as COMET as utility functions and reported gains in their tested settings; this is not a general guarantee across tasks or metrics. Naive pairwise scoring can require quadratic comparisons, motivating approximate or pruned procedures. Risk is defined from the chosen loss or utility convention, not universally as one minus a similarity score.
A legjobb gépi fordítás kiválasztása a mintában szereplő jelöltek közül a COMET segédprogram használatával
A hallucinált kiugró események elkerülése érdekében olyan összefoglalók kiválasztása, amelyek a legjobban megegyeznek más mintaösszefoglalókkal
Önkonzisztencia az érvelésben, ahol a leggyakoribb mintaválaszt választják (MBR-szerű szavazás)
A beszédfelismerés vagy a hipotézisek feliratozása kölcsönös hasonlóság alapján
Research continues to explore learned metrics such as COMET and MetricX, candidate pruning, and lower-cost approximations to MBR. Some machine-translation studies report gains over beam search in their evaluated settings, but performance depends on the task, metric, sampling distribution, and computation budget. Distillation can also be studied as a way to approximate a selection policy with a single model pass. Applications to other domains require separate evaluation.
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 Minimum Bayes Risk (MBR) dekódolás azt a kimenetet választja ki, amely leginkább hasonlít sok más valószínű kimenethez, nem pedig az egyetlen legnagyobb valószínűségűhez. A nyers valószínűség helyett az Ön számára ténylegesen fontos minőségi mutatóra optimalizál.
Az MBR azt a jelöltet választja ki, amely maximalizálja a várható hasznosságot (minimalizálja a kockázatot) a modell többi elfogadható kimenetéhez képest, nem pedig a MAP jelöltet.
Az MBR a referencia-eloszlást a saját mintavételezett hipotéziseivel közelíti, összehasonlítva az egyes jelölteket a pool többi részével.
Az egyes jelöltek összehasonlítása a többi jelölttel négyzetesen skálázódik, motiválva a metszést és a csoportosítást a költségek csökkentése érdekében.
Research evaluates COMET as an MBR utility in particular machine-translation settings; results depend on the task, metric, and candidate distribution.
MBR minimizes expected loss; when utility is used instead, maximizing expected utility is an equivalent convention. The exact numerical form depends on the chosen loss or utility.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Önkonzisztencia dekódolás
Nyelvi AI