Il prossimoProssima guida
Decodifica di autoconsistenza
Intelligenza artificiale linguistica
GUIDA ALL'AI linguistica
La decodifica del rischio Bayes minimo (MBR) seleziona l'output più simile a molti altri output probabili, piuttosto che quello con la probabilità più alta.
Ascolta questa guidaNarrato dall'IA · ~2 min
It optimizes for the quality metric you actually care about instead of raw likelihood.
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.
Selezione della migliore traduzione automatica tra i candidati selezionati utilizzando COMET come utilità
Scegliere i riassunti che meglio concordano con altri riepiloghi campionati per evitare valori anomali allucinati
Autocoerenza nel ragionamento, in cui viene scelta la risposta campionata più comune (un voto simile all'MBR)
Riclassificazione delle ipotesi di riconoscimento vocale o di didascalia per somiglianza reciproca
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.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
La decodifica del rischio Bayes minimo (MBR) seleziona l'output più simile a molti altri output probabili, piuttosto che quello con la probabilità più alta. Ottimizza per la metrica della qualità che ti interessa davvero anziché per la pura probabilità.
L'MBR sceglie il candidato che massimizza l'utilità attesa (minimizza il rischio) rispetto agli altri risultati plausibili del modello, non il candidato MAP.
L'MBR approssima la distribuzione di riferimento con le proprie ipotesi campionate, confrontando ciascun candidato con il resto del pool.
Il punteggio di ogni candidato rispetto a ogni altro candidato si ridimensiona quadraticamente, motivando la potatura e il clustering per ridurre i costi.
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.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Decodifica di autoconsistenza
Intelligenza artificiale linguistica