HyperAIHyperAI

Command Palette

Search for a command to run...

الاستخلاص المرفوض المثلى بموازنة محددة للنماذج التوليدية

Alexandre Verine Muni Sreenivas Pydi Benjamin Negrevergne Yann Chevaleyre

الملخص

تم اقتراح طرق العينة المرفوضة مؤخرًا لتحسين أداء النماذج التوليدية القائمة على المُميّز. ومع ذلك، فإن هذه الطرق تكون مثالية فقط في حالة ميزانية عينة غير محدودة، وغالبًا ما تُطبّق على مولّد تم تدريبه بشكل مستقل عن عملية الرفض. نحن نُقدّم أولًا خطة عينة رفض مثلى ضمن ميزانية محددة (OBRS) التي تُثبت أنها مثلى من حيث أي انحراف fff-divergence بين التوزيع الحقيقي والتوزيع بعد عملية الرفض، وذلك ضمن ميزانية عينة معطاة. ثانيًا، نُقدّم طريقة شاملة من البداية إلى النهاية (end-to-end) تدمج خطة العينة في عملية التدريب لتحسين أداء النموذج بشكل إضافي. من خلال التجارب والأساس النظري الداعم، نُظهر أن الطرق المقترحة فعّالة جدًا في تحسين جودة وتنوع العينات بشكل ملحوظ.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp