arXiv · cs.AI · Anant Bhide, Akarsh Gupta, Edmond Cunningham, Justin Domke · 4 小时前模型评分27
面向 M-Open 场景的大语言贝叶斯堆叠加权方法
Stacking-Based Weighting for Large Language Bayes in M-Open Settings
导读
研究提出一种用于大语言贝叶斯（LLB，Large Language Bayes）的堆叠式聚合方法，按预测性能而非边际似然选择模型权重，并推导出可计算的基于证据下界（ELBO，Evidence Lower Bound）的堆叠目标。在真实概率推理任务上，该方法预测性能与贝叶斯模型平均相当，但模型权重更分散，减少了模型设定有误时对单一候选模型的集中。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose a stacking-based aggregation method for LLB that selects model weights by optimizing predictive performance rather than marginal likelihood, while preserving the original language-model-driven model generation and within-model inference pipeline.”
来源：arXiv · cs.AI · arxiv.org