关键词amortized bayesian inference
搜索结果 - 4
- 基于模拟的一体化推论
通过使用模型模拟,摊销贝叶斯推理训练神经网络以解决随机推理问题,从而实现对新观察到的任何数据的快速贝叶斯推理。我们提出了一种新的摊销推理方法 ——Simformer,通过训练具有变压器架构的概率扩散模型,克服了当前模拟为基础的摊销推理方法的 - 利用自一致性进行数据高效分期贝叶斯推断
提出一种方法,通过利用概率联合模型 $p (heta, y)$ 中的通用对称性,提高摊销贝叶斯推理 (ABI) 的效率和准确性。通过对联合模型的近似表示,根据逆向贝叶斯定理估计边缘似然,并将对称性破坏作为损失函数来加速条件神经密度估计器的学 - 大型语言模型中的难以计算的推断摊销
通过使用归约化贝叶斯推理方法从难以通过条件概率分布采样的后验分布中提取样本,我们展示了这种分布匹配模型在 LLM 微调中作为最大似然训练和奖励最大化策略优化的有效替代方法,进而实现了对多步骤推理和工具使用任务的数据高效适应。
- 学习不学习:人工智能中的天性与后天
本文利用数学分析和元学习(或 ' 学习学习 ')框架回答了何时学习这种自适应策略以及何时将启发式行为硬编码的问题。我们发现,生态不确定性,任务复杂性和代理的寿命相互作用对代理执行的元 - 学习度量贝叶斯推断具有关键影响。