概述
最小贝叶斯风险 (MBR) 解码选择与许多其他可能的输出最相似的输出，而不是单个最高概率的输出。它针对您真正关心的质量指标而不是原始可能性进行优化。
最小贝叶斯风险解码是语言人工智能堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。
深入探讨
标准解码追逐最可能的序列（MAP 估计），但最可能的句子通常不是人类或度量标准的最佳句子。 MBR 解码重新构建了目标：选择能够最小化预期“风险”的候选者，其中风险是 1 减去相对于模型其他可能输出的相似性度量（例如 BLEU、COMET 或 BERTScore）。在实践中，您对候选池进行抽样，然后为每个候选计算其与所有其他候选的平均相似度；平均一致性最高的候选人获胜。直观上，MBR 选择模型分布共同支持的共识输出，过滤掉侥幸心理。它在机器翻译和摘要方面取得了巨大的进步，尤其是与 COMET 等神经质量指标作为效用函数结合使用时。
技术洞察
形式上，MBR 在预期效用的候选者 E[u(候选者，参考)] 上选择 argmax，其中参考分布由采样假设近似。由于真实参考未知，因此同一采样池充当伪参考。成本是二次方的：成对比较 N 个候选者需要 O(N 平方) 度量调用，这就是高效 MBR 使用聚类、从粗到精的修剪或更便宜的效用估计器的原因。
掌握最小贝叶斯风险解码
最小贝叶斯风险 (MBR) 解码选择与许多其他可能的输出最相似的输出，而不是单个最高概率的输出。它针对您真正关心的质量指标而不是原始可能性进行优化。最小贝叶斯风险解码是语言人工智能堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。为了建立深入的理解，请将最小贝叶斯风险解码视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队使用最小贝叶斯风险解码将提示、检索和审查循环设计为一个集成的通信系统。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
语言工作流程可以在不牺牲一致性的情况下更快地移动。与此同时，幻觉事实可以悄悄地进入报告、支持流程或研究成果。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
语言工作流程可以在不牺牲一致性的情况下更快地移动。
语言工作流程可以在不牺牲一致性的情况下更快地移动。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
它扩展了跨语言和沟通方式的访问。
它扩展了跨语言和沟通方式的访问。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
团队可以花更多时间进行判断，而自动化则可以处理重复。
团队可以花更多时间进行判断，而自动化则可以处理重复。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
使用 COMET 作为实用程序从样本候选中选择最佳机器翻译
选择与其他抽样摘要最一致的摘要，以避免出现幻觉的异常值
推理中的自洽，选择最常见的样本答案（类似 MBR 的投票）
通过相互相似性对语音识别或字幕假设进行重新排序
实施模式
最小贝叶斯风险解码实践
使用 COMET 作为实用程序从样本候选中选择最佳机器翻译。
使用 COMET 作为实用程序从样本候选中选择最佳机器翻译 团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
最小贝叶斯风险解码实践
选择与其他抽样摘要最一致的摘要，以避免产生幻觉的异常值。
选择与其他抽样摘要最一致的摘要，以避免产生幻觉的异常值 当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
最小贝叶斯风险解码实践
推理中的自洽，选择最常见的样本答案（类似 MBR 的投票）。
推理中的自我一致性，选择最常见的抽样答案（类似于 MBR 的投票） 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时通常会获得更好的结果。
最小贝叶斯风险解码实践
通过相互相似性对语音识别或字幕假设进行重新排序。
通过相互相似性对语音识别或字幕假设进行重新排序 团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
及时的敏感性可能会在类似的请求中产生不一致的结果。
如果访问控制薄弱，敏感文本数据可能会暴露。
实施路线图
在推出之前定义输出格式、语气和质量标准。
在推出之前定义输出格式、语气和质量标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
当准确性很重要时，请使用可信来源进行地面响应。
当准确性很重要时，请使用可信来源进行地面响应。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为高风险输出保留人工审查检查点。
为高风险输出保留人工审查检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪故障模式并定期重新训练提示或工作流程。
跟踪故障模式并定期重新训练提示或工作流程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。