研究提出LLB堆叠加权聚合方法

1. 13:00
   arXiv · cs.AI

   面向 M-Open 场景的大语言贝叶斯堆叠加权方法

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。