概述
暴露偏差是指仅在完美前缀上训练的模型在推理时必须以其自身的不完美输出为条件时出现的差距。计划抽样是逐渐缩小这一差距的课程。
计划采样和曝光偏差是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
经过教师强制训练的模型只会将真实标记视为上下文，但在生成时它们会反馈自己的预测。当早期的错误使模型处于训练期间从未遇到过的状态时，错误就会像滚雪球一样越滚越大，这种失败模式称为“暴露偏差”。 Bengio 及其同事于 2015 年引入的计划采样通过在训练期间的每个解码步骤中掷硬币来解决这个问题：它以一定的概率提供真实的令牌（教师强制），否则它提供模型自己的采样预测。使用真实事实的概率一开始接近 1，并通过计划（线性、指数或反 S 形）进行训练时衰减，因此模型逐渐暴露于自己的输出并学会从错误中恢复。
技术洞察
在步骤 t，模型以选择黄金代币的概率 epsilon_i 对伯努利变量进行采样； epsilon_i 随着训练的进行而衰减。一个微妙之处在于，馈送采样令牌使目标有偏差且离散采样不可微分，因此梯度不会干净地流过反馈令牌。变体使用直通式 Gumbel-softmax 或可微松弛来缓解这种情况，序列级方法直接优化 BLEU 等度量。
掌握预定采样和曝光偏差
暴露偏差是指仅在完美前缀上训练的模型在推理时必须以其自身的不完美输出为条件时出现的差距。计划抽样是逐渐缩小这一差距的课程。计划采样和曝光偏差是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将计划采样和曝光偏差视为一种操作模型，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完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用计划采样和曝光偏差来根据可靠性和成本优化架构、数据和基础设施选择。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。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。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
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。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。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。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。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。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
使用计划采样训练图像字幕模型，使其能够在预测不完美的单词后优雅地继续
在神经机器翻译系统中使用反 sigmoid 调度来衰减教师强制概率
将陷入不连贯循环的聊天机器人诊断为纯粹教师强迫的暴露偏差症状
比较经过全面教师强制训练的摘要器与经过预定采样训练的摘要器的 BLEU 分数
实施模式
实践中的预定采样和曝光偏差
通过计划采样训练图像字幕模型，使其能够在预测不完美的单词后优雅地继续。
通过计划采样训练图像字幕模型，使其学会在预测不完美的单词后继续优雅地继续。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，通常会得到更好的结果。
实践中的预定采样和曝光偏差
在神经机器翻译系统中使用反 sigmoid 调度来衰减教师强制概率。
在神经机器翻译系统中使用反 sigmoid 调度来降低教师强制概率 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跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
实践中的预定采样和曝光偏差
将陷入不连贯循环的聊天机器人诊断为纯粹教师强迫的暴露偏差症状。
将陷入不连贯循环的聊天机器人诊断为纯粹教师强迫的暴露偏差症状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，通常会得到更好的结果。
实践中的预定采样和曝光偏差
比较经过全面教师强制训练的摘要器与经过预定采样训练的摘要器的 BLEU 分数。
比较经过全面教师强制训练的摘要生成器与经过预定采样训练的摘要生成器的 BLEU 分数 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。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。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。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。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。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。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。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。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。