온도를 바꾸면 인공지능(AI)의 1위 답은 그대로인데 확신만 달라질까?
로짓과 온도를 바꾸어 확률 간격을 직접 계산하고, 양의 온도 조정이 확신 표현은 바꾸지만 같은 로짓의 1위 답은 바꾸지 않는 이유를 확인합니다.
On Calibration of Modern Neural Networks
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
로짓과 온도를 바꾸어 확률 간격을 직접 계산하고, 양의 온도 조정이 확신 표현은 바꾸지만 같은 로짓의 1위 답은 바꾸지 않는 이유를 확인합니다.
On Calibration of Modern Neural Networks
산점도의 점이 막대로 바뀔 때 색·경로·단계를 유지해 같은 자료 항목을 추적합니다. 직접 전환과 두 단계 전환의 중간 상태를 비교합니다.
Animated Transitions in Statistical Data Graphics
AI가 낮은 확신의 답을 보류할 때 답한 범위와 정답률이 함께 어떻게 바뀌는지 살펴보고, 선택된 일부의 성능을 전체 신뢰성과 혼동하지 않는 법을 익힙니다.
Language Models (Mostly) Know What They Know
큰 관찰자료도 모방할 목표시험을 먼저 써야 합니다. 자격·전략·추적 시작을 정렬해 시간 편향을 찾습니다.
Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available
Walton과 Krabbe의 대화 유형과 공약 개념을 통해 탐구·설득·협상에서 허용되는 말의 역할이 어떻게 달라지는지 살펴봅니다.
Commitment in Dialogue: Basic Concepts of Interpersonal Reasoning
1–5 / 44편