13:46
arXiv cs.AI@Ziwei Su, Junyu Ren, Victor Veitch
推荐理由：一篇理论论文，解释了为什么对比嵌入模型的向量长度能反映语义，以后做检索任务可以白捡校准信号。
全部 AI 动态
AI 相关资讯全量信息流
6月30日
13:46
该论文研究了对比嵌入模型中，尽管训练损失是尺度不变的且通常使用余弦相似度，但嵌入向量的范数（norm）却意外地与概念特异性、词频和人类不确定性等语义属性相关。作者通过分析优化动力学，推导出一个解析公式，证明嵌入长度作为训练过程的副产品自然地编码了这些信息。研究还展示了这种信号如何在特定模型和检索任务中作为“免费”校准工具使用，为之前仅基于经验的观察提供了理论解释。
6月25日
09:45
09:45
arXiv cs.AI@Md Omar Faruk Rokon, Shasvat Desai, Hong Yao, Kuang-chih Lee
推荐理由：这篇论文教你怎么用级联模型做标注，既省成本又保精度，实测处理了1.5亿条数据。
6月19日
11:40
11:40
arXiv cs.AI@Gina Wong, Drew Prinster, Suchi Saria, Rama Chellappa, Anqi Liu
推荐理由：这篇论文把MoE的校准问题研究透了，告诉你硬路由和软路由有什么区别，还给了一个对抗性重加权的解法。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月10日
09:22
09:22
arXiv cs.LG@Eric Nalisnick, Chi Zhang, Sophia Qian, Yixin Wang
精选
推荐理由：这篇论文为设计更可靠的Human-AI协作系统提供了理论基石，做AI系统设计或人机交互研究的团队值得关注，能帮你理解校准假设如何影响团队决策的可靠性。
5月25日
10:03
10:03
arXiv cs.LG@Rouaa Hoblos, Noura Dridi, Noureddine Zerhouni, Zeina Al Masry
推荐理由：做模型可靠性或安全关键应用的团队，终于有了一个既高效又精准的不确定性量化工具——在 MC Dropout 基础上加 Dirichlet 分布，校准效果更好，值得在分类任务中试试。
5月19日
14:31
14:31
arXiv cs.AI@Aditya Tanna, Yash Desai, Pratinav Seth, Mohamed Bouadi, Nassim Bouarour, Vinay Kumar Sankarapu
精选
推荐理由：做表格数据建模的团队会发现，盲目集成TFM可能得不偿失——计算成本飙升但收益微乎其微，甚至可能破坏模型校准。建议点开看看，避免踩坑。
5月13日
19:12
19:12
arXiv: DeepSeek@Jinyuan Wang, Ningyuan Deng, Yi Yang
精选
推荐理由：做社会科学量化分析的团队终于有了校准LLM输出的实操方案——软标签蒸馏能显著降低置信度偏差，建议做文本编码和实证研究的点开看看具体方法。