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
다섯 모둠의 변화값·기준·주장 범위를 바꾸어 최댓값, 중앙값, 기준을 넘은 모둠 수와 허용 문장을 구분합니다.
1.3.5.1. Measures of Location
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
윌리엄 코너는 복잡한 증언 상황에서 화자의 신뢰도를 판단할 때 어떤 비교 집단을 기준으로 삼는지가 중요하며, 증거가 하나의 신뢰 수준만을 결정하지 못할 수 있다고 논한다.
신뢰의 문제: 신뢰도·참조 집단·신뢰의 미결정성 (Trust Issues: Reliability, Reference Classes, and the Underdetermination of Trust)
Kuhn과 Udell이 학업 위험군 청소년에게 실시한 16회 논증 활동을 읽고, 동료 대화에서 익힌 반론 전략이 개인 논증으로 이어지는 조건을 살펴봅니다.
The Development of Argument Skills
1–5 / 37편