用答案 token 做决策:LM 本体输出概率,但未校准
LysandreJik · x · 2026-10-12
Lysandre 决策模型线程的续篇。
- 方法回顾:把候选决策变成答案 token,前向传播后停止,只取 A/B/C 位置的 logits 做 softmax,得到 billing 0.03 / technical 0.94 / sales 0.03 这样的分布。
- 关键提醒:与其他决策模型相比,这种输出未经校准,logits 数值不一定具备可解释性。
所属事件:Transformers 新端点让 250 个模型秒变决策模型(6 条相关)→
「研究」频道最新
- DeepMind 研究员 Ian Osband 牛津开讲：策略梯度的学习代价 — IanOsband · 2026-10-12
- Scott Aaronson 访谈：数学领域的奇点已经开始 — ChrSzegedy · 2026-10-12
- 联合国绿色化学科学简报发布：AI 设计酶超越定向进化实验成果 — AnimaAnandkumar · 2026-10-12
- Nvidia 论文：用「首个通过测试的编辑」预测基座模型的 agent 潜力，相关性 0.964 — rohanpaul_ai · 2026-10-12
- 手指误差仅 4.29mm：Maniformer 新论文突破第一视角机器人数据精度瓶颈 — heyshrutimishra · 2026-10-12
- 重读 Breiman 2001 年名文:'两种文化'预言了整个 AI 时代 — akbirthko · 2026-10-12