통합검색

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

AI의 80% 확신은 열 번 중 여덟 번 맞는다는 뜻일까?

표시된 확신과 같은 묶음의 실제 정답 비율을 바꾸어 보정 차이를 계산하고, 한 사례의 확신과 여러 사례의 빈도를 구분합니다.

52%±7%인데 ‘절반 이상이 찬성했다’고 써도 될까?

점추정치·불확실성 폭·판단 기준을 바꾸어 구간 전체가 결론을 지지하는지 확인하고, 단일값 초고를 범위가 드러나는 문장으로 고칩니다.

Confidence Limits for the Mean

인공지능(AI)가 ‘90% 확신’하면 열 번 중 아홉 번 맞을까?

언어모델의 P(True)와 P(IK) 연구를 통해 자신감, 판별력, 보정, 새 과제 일반화를 구분합니다. 답변 임계값을 움직여 선택적 응답의 대가를 살펴보세요.

Language Models (Mostly) Know What They Know

예측에 여백을 붙일 때, 폭은 누가 정할까?

보정용 오차 자료로 예측 구간을 만드는 컨포멀 예측(보정 자료로 오차 범위를 정하는 방법)의 입구를 살펴봅니다. 포함률 목표를 바꾸며 구간의 폭을 직접 비교하세요.

A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification