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
메타분석·재현성 점검·사전등록 직접 재현을 선택해 결과 지표와 적용 대상별 직접 근거, 불일치와 허용되는 해석을 비교합니다.
Fortune favors the bold (and the Italicized): effects of disfluency on educational outcomes
Turpin 등의 연구를 통해 연쇄적 사고 설명이 그럴듯해도 입력의 편향 단서를 충실히 드러내지 않을 수 있음을 살펴봅니다.
Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting
SelfCheckGPT가 검은상자 생성 모델의 여러 표본 사이 불일치를 이용해 환각을 탐지한 방법을 읽고, 일관성과 사실성을 구분합니다.
SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models
논리적 오류 식별을 탐지·상위 분류·세부 분류의 세 단계로 나누고, 유사 사례·원형·상식 지식을 활용한 설명 가능한 방법을 비교한 연구를 읽습니다.
자연어 논증의 논리적 오류를 견고하고 설명 가능하게 식별하기 — Robust and explainable identification of logical fallacies in natural language arguments
1–5 / 63편