uncertainty | BriefGPT - AI 论文速递

关键词uncertainty

搜索结果 - 507

寻求不确定性中的确定性：双阶段统一框架解决动态面部表情识别中的不确定性
研究结果显示，SCIU 框架在消除 Dynamic Facial Expression Recognition (DFER) 数据集中的不确定性方面具有显著的效果，并通过严格的实验验证实现了性能指标的显著提升。
PDF8 days ago
大型语言模型是否表现出认知失调？研究揭示观点和陈述答案之间的差异
我们通过转化问题、多选题和直接文本补全的实验评估，研究了大型语言模型（LLMs）在因果推理、不确定性方面能力的量化，结果显示 LLMs 的表态答案与预测真实信念存在显著差异，提示它们的信念可能在多种情景和结果中存在多重偏见和不准确性，对于
PDF11 days ago
单视图深度中的不确定性与自监督
量化监督式单视图深度的不确定性的贝叶斯深度神经网络，通过光照作为单视图自我监督信号，提出了一种仅需 RGB 图像和内窥镜的几何和光度校准的完全自我监督方法。
PDF12 days ago
神经天气模型的有效误差条形图确定
该研究论文讨论了神经天气模型作为物理模型的低成本、准确的替代方案，并提出了一种后处理方法 —— 符合预测框架，用于量化模型的预测不确定性，求得所有变量、导向期和空间位置的校准误差界限，并证明了该框架在北欧地区的有限区域神经天气模型以及确定性
PDF12 days ago
ClaudesLens：计算机视觉模型中的不确定性量化
人工智能决策中的不确定性量化通过提出的 PI 和 PSI 度量可以揭示计算机视觉模型预测的不确定性，表明香农熵在人工智能的最新方法中可能扮演重要角色。
PDF14 days ago
大和小语言模型协同解码的经验研究
利用 Fast and Slow Generating（FS-GEN）统一框架，研究了大型语言模型（LLMs）与小型语言模型（SLMs）之间的协同解码，包括投机解码、对比解码和仿真或代理微调等技术，并通过 FS-GEN 解析了 LLMs 和
PDF14 days ago
模糊日志的一致性检查与声明性时间规范
传统的一致性检查任务假设事件数据提供了实际流程执行的准确和完整的表示。然而，由于日益普遍的事件识别管道所导致的不确定性，事件不再以明确的方式被跟踪，而是间接地得到。本文提出了一个新的模糊语义的模型，用于检查模糊事件数据是否符合声明模式或线性
PDF15 days ago
将不确定性量化纳入出行方式选择建模：一种贝叶斯神经网络（BNN）方法和基于不确定性引导的主动调查框架
将可解释人工智能领域的不确定性概念引入交通方式选择建模，提出了基于贝叶斯神经网络的交通方式预测模型（BTMP），该模型能够量化预测的不确定性，并通过一种不确定性引导的主动调查框架，动态地制定具有高预测不确定性的调查问题，通过减少调查问题数量
PDF16 days ago
决策的排序模型：学习、优化、复杂性和计算
研究智能系统以经济合理性解释其行为，其中包括涉及函数或效用的优化原则，最近这一理论已将约束纳入进来，即在满足某些信息处理约束的同时最大化效用。研究智能系统已从热力学工具中受益，本篇论文的目标是澄清这些结果在研究智能系统中的适用性，并改善对排
PDF17 days ago
LUMA: 一个用于学习不确定和多模态数据的基准数据集
多模态深度学习通过整合文本、图像、音频和视频等多元信息源增强决策能力。为了开发可靠的多模态方法，了解不确定性如何影响这些模型至关重要。我们介绍了 LUMA 数据集，它是一个独特的基准数据集，其中包含来自 50 个类别的音频、图像和文本数据，
PDF18 days ago
面对高不确定性的群体对抗的层次强化学习
基于分层强化学习的群体机器人对抗方法，通过解耦离散分配层和连续规划层，利用概率集成模型量化不确定性并自适应调节交互频率，以应对未知策略和动态障碍引起的高度不确定性。预训练和交叉训练的整合训练方法提高了训练效率和稳定性，实验证明了该方法的有效
PDF20 days ago
思维周期：通过稳定解释衡量 LLM 的信心
通过使用解释蕴涵作为分类器可能性，我们提出了一种框架来测量语言模型不确定性，以改善置信度指标 (AURC 和 AUROC)。
PDFa month ago
贝叶斯因果探索评估中的挑战与考虑
在因果关系发现中，表示不确定性是实验设计的关键组成部分，而贝叶斯因果发现（BCD）提供了一种原则性的方法来包括这种不确定性。本研究通过剖析各种度量标准，并了解其局限性，通过广泛的实证评估，发现许多现有度量标准在与真实后验分布的逼近质量之间缺
PDFa month ago
从时移信号中稳健且高度可扩展地估计方向耦合
使用变分贝叶斯框架，我们通过边际化延迟的不确定性，提供了对网络节点之间的定向耦合估计问题的解决方案。通过使用混合 - VI 方案，我们能够对测量参数的后验分布进行估计，同时使用基于梯度的高度可扩展的 VI 估计耦合的条件后验分布。在我们的基
PDFa month ago
ICML大型语言模型中的上下文学习是否贝叶斯？一种鞅的视角
在这项工作中，我们通过鞅属性从一个新的角度分析了大语言模型（LLM）的背景学习（ICL）是否可以视为贝叶斯推断。我们提出了鞅属性作为满足交换数据的贝叶斯学习系统的基本要求，并且证明了它在可信的、安全关键系统中具有重要性，可以提供一个有原则的
PDFa month ago
大型语言模型信心估计通过黑盒访问
利用黑盒或查询访问大型语言模型，通过工程化新特征并训练一个可解释的逻辑回归模型，我们提出了一个简单且可扩展的框架来估算模型响应的置信度。我们的实证研究表明，我们的简单框架在 TriviaQA、SQuAD、CoQA 和自然提问等基准数据集上，
PDFa month ago
使用熵激活控制大型语言模型代理
研究表明使用预训练的大型语言模型作为上下文学习代理是有前途的，但由于其存在过度自信和不足的探索性行为，需要引入一种激活导引方法以增加不确定性并控制代理对决策的表示方式。
PDFa month ago
DORY: LLM 的决策提示恢复
利用输出概率的不确定性构建新的方法 Deliberative PrOmpt RecoverY 来恢复模型的提示，通过改进和筛选提高了大型语言模型的性能，成为提示恢复任务中的标杆。
PDFa month ago
学习潜在的图结构及其不确定性
该研究展示了在预测任务中，图神经网络（GNNs）利用关系信息作为归纳偏差以提高模型的准确性。通过学习图结构的方法来解决下游预测任务中未知的相关关系，同时证明了点预测损失函数（如平均绝对误差）的最小化并不能保证对潜在关系信息及其相关不确定性进
PDFa month ago
基于自回归生成的后验采样
使用历史数据进行预训练的自回归模型，在新闻推荐任务中通过端到端微调预训练语言模型来处理新闻文章标题文本以提高性能，并在在线决策中展示了能够理解不确定性和主动收集信息以解决环境变化的新的学习算法框架。
PDFa month ago