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
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
결과를 알고 나면 그 결과가 처음부터 더 가능해 보입니다. 사전 판단과 대안 검토로 회고 격차를 확인합니다.
Hindsight ≠ Foresight: The Effect of Outcome Knowledge on Judgment Under Uncertainty
Walton과 Krabbe의 대화 유형과 공약 개념을 통해 탐구·설득·협상에서 허용되는 말의 역할이 어떻게 달라지는지 살펴봅니다.
Commitment in Dialogue: Basic Concepts of Interpersonal Reasoning
Körner 등의 세 사전등록 연구를 통해 설명 전후 지식 확신과 권력감의 관계를 살핍니다.
It doesn’t matter if you are in charge of the trees, you always miss the trees for the forest: Power and the illusion of explanatory depth
1–5 / 39편