Mai departeUrmătorul ghid
Reprezentare și eșantionare bias în seturi de date
Tehnic
GHID tehnic
Eșantionarea programată și părtinirea expunerii
Prejudecata de expunere este decalajul care apare atunci când un model antrenat doar pe prefixe perfecte trebuie, la deducere, să condiționeze propriile sale rezultate imperfecte.
Ascultă acest ghidNarativ AI · ~2 min
Pe această pagină2 minute de lectură
Prezentare generală
Scheduled sampling is a curriculum that gradually closes that gap.
Scufundare în profunzime
Modelele antrenate cu forțarea profesorilor văd întotdeauna doar simbolurile de adevăr de la sol ca context, dar la timpul generației își transmit propriile predicții. Atunci când o greșeală timpurie aduce modelul într-o stare pe care nu a întâlnit-o niciodată în timpul antrenamentului, erorile pot bulgăre de zăpadă, un mod de eșec numit prejudecată de expunere. Eșantionarea programată, introdusă de Bengio și colegii în 2015, abordează acest lucru aruncând o monedă la fiecare pas de decodare în timpul antrenamentului: cu o anumită probabilitate, alimentează simbolul adevărat (forțarea profesorului) și, în caz contrar, alimentează predicția eșantionată a modelului. Probabilitatea de a utiliza adevărul de la sol începe aproape de unu și scade în timpul antrenamentului printr-un program (liniar, exponențial sau invers sigmoid), astfel încât modelul este expus progresiv la propriile rezultate și învață să-și revină din greșeli.
Implementare în lumea reală
Antrenarea unui model de subtitrări de imagine cu eșantionare programată, astfel încât să învețe să continue cu grație după un cuvânt prezis imperfect
Decăderea probabilității de forțare a profesorului cu un program invers sigmoid într-un sistem neuronal de traducere automată
Diagnosticarea unui chatbot care derivă în bucle incoerente ca un simptom al prejudiciului de expunere din forțarea pură a profesorului
Compararea scorurilor BLEU ale unui rezumator instruit cu forțarea completă a profesorului față de unul instruit cu eșantionare programată
Viitorul eșantionării programate și prejudecăți de expunere
Pentru modelele mari de limbaj Transformer, impactul practic al părtinirii expunerii este dezbătut, deoarece datele și scara uriașă îl atenuează, iar metode precum RLHF remodelează comportamentul generației în mod direct. Totuși, eșantionarea programată și descendenții săi rămân relevante pentru modele mai mici, generare structurată și sarcini cu nevoi stricte de acuratețe. Lucrările viitoare combină expunerea la curriculum, obiectivele secvenței în stil de întărire și formarea cu risc minim pentru a alinia modul în care sunt antrenate modelele cu modul în care acestea decodifică efectiv.
Punând-o în practică
De ce contează
- Cost și buget. Deciziile de arhitectură generează performanța și costurile de operare de ani de zile.
- Decizii mai clare. Educația tehnică ajută echipele să aleagă stiva potrivită, nu doar cea mai nouă.
- Controlul calității. Opțiuni de inginerie mai bune reduc incidentele de fiabilitate în producție.
Atenție la
- Optimizarea unui punct de referință poate ascunde slăbiciunile mai largi ale sistemului.
- Costurile de infrastructură și întreținere sunt adesea subestimate.
- Lacunele de securitate și observabilitate pot crește pe măsură ce sistemele devin mai complexe.
Următorii pași
- Definiți obiectivele de latență, calitate și cost înainte de implementare.
- Benchmark în condiții realiste de încărcare și date.
- Monitorizarea instrumentelor pentru erori, deriva și impactul utilizatorului.
- Pregătiți căile de retragere și răspuns la incident înainte de scalare.
Continuați să explorați
Buletin gratuit
Primește briefingul zilnic AI
Trei povești AI verificate în fiecare dimineață de zi lucrătoare, scrise în engleză simplă. Gratuit pentru totdeauna, fără reclame.
Un e-mail în fiecare zi lucrătoare. Dezabonare cu un singur clic. Nu vindem niciodată și nu împărtășim adresa ta.
Testează-te
Take the Scheduled Sampling and Exposure Bias quiz
Feedback instantaneu la fiecare răspuns și un certificat partajabil cu un ID verificabil după ce parcurgi un curs.
Susține educația AI gratuită. AI Understanding este o organizație nonprofit 501(c)(3) — fără reclame, fără barieră de plată, pentru totdeauna. Fă o donație
Întrebări frecvente
What is Scheduled Sampling and Exposure Bias?
Prejudecata de expunere este decalajul care apare atunci când un model antrenat doar pe prefixe perfecte trebuie, la deducere, să condiționeze propriile sale rezultate imperfecte. Eșantionarea programată este un curriculum care închide treptat acest decalaj.
Ce face eșantionarea programată în timpul antrenamentului?
Eșantionarea programată combină stocastic adevărul de bază și jetoanele generate de model ca intrări de decodor, controlate de o probabilitate de decădere.
Cum se schimbă probabilitatea de a utiliza simbolul adevăr-teren față de antrenamentul în eșantionarea programată?
Programul începe aproape de forțarea completă a profesorului și scade, astfel încât modelul este din ce în ce mai expus propriilor predicții pe măsură ce se îmbunătățește.
Cine a introdus eșantionarea programată și, aproximativ, când?
Eșantionarea programată a fost propusă de Samy Bengio și colegii săi în 2015 pentru predicția secvenței cu rețele recurente.
Ce formă de orar este citată în mod obișnuit pentru diminuarea probabilității de forțare a profesorului?
Lucrarea originală a propus programe de dezintegrare liniară, exponențială și inversă sigmoidă pentru reducerea probabilității de eșantionare a adevărului de la sol.
At a decoding step where scheduled sampling chooses the model-output branch, what is fed as the next context token?
Scheduled sampling sometimes feeds the model’s own sampled prediction instead of the gold previous token.
Continuați să învățați
Ghiduri conexe
Mai multe ghiduri alese pentru acest subiect