Co jest Przedział ufności?

Metryka modelu językowego mierząca stopień zaskoczenia modelu prawdziwymi następnymi tokenami.

Jak dobrze wyniki pewności modelu odpowiadają rzeczywistym prawdopodobieństwom poprawności.

Zasoby przetwarzania wymagane do uczenia i uruchamiania modeli, często mierzone w FLOPS lub godzinach GPU.

Nieprawidłowa prognoza, w przypadku której model pomija prawdziwie pozytywny przypadek.

Wartość konfiguracji ustawiona przed szkoleniem, taka jak szybkość uczenia się, rozmiar partii lub głębokość.

Strategia dekodowania, która pobiera próbki tylko z k najprawdopodobniej kolejnych tokenów.