arXiv · cs.AI · Koen Oostermeijer, Teryn Jones · 7 小时前模型评分44
LAND：为贝叶斯 Best-of-N 选择学习自适应采样次数
LAND: Learning an Adaptive Number of Draws for Bayesian Best-of-N Selection
导读
LAND 提出按后验预测边际价值动态分配采样次数，替代 Best-of-N 固定等量采样。在多模型、多语对的机器翻译实验中，同等平均算力下 MetricX 分数优于固定 Best-of-N；同等翻译质量下候选生成量减少约 20-40%。
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
- “To address this shortcoming, we propose LAND (Learning an Adaptive Number of Draws), which dynamically allocates samples according to their posterior-predictive marginal value.”
来源：arXiv · cs.AI · arxiv.org