10:18
官方账号arXiv cs.AI@Toby D. Pilditch
推荐理由：跑大模型评测总烧钱？这个框架能省下最多97%的采样次数，结论还一样，做评测的人值得看看。
贝叶斯推断
共 4 条相关 AI 资讯
8月17日
10:18
arxiv 论文提出 optstop 框架，将大模型评测视为序贯测量问题，只对不确定性高的样本继续采样。该框架基于分层贝叶斯推断，支持二值、有序和连续结果，无需校准题库。在 200 项、10 轮次的示例评测中，optstop 在九种验证设置下减少了 57% 到 97% 的计划试验，整体结论与完整评测一致。研究表明评测算力可按不确定性分配，而非固定重复次数。
6月26日
10:59
10:59
官方账号arXiv cs.AI@Alina Bazarova, Johann Fredrik Jadebeck, Henrik Zunker, Carolina J. Klett-Tammen, Torben Heinsohn, Wolfgang Wiechert, Katharina Noeh, Stefan Kesselheim
推荐理由：这篇论文用COVID-19数据实测，SBI比MCMC快几十倍，精度不输，适合需要快速迭代的流行病学建模场景。
10:20
10:20
官方账号arXiv cs.LG@Graham Gibson, John Tipton, Kellin Rumsey, Natalie Klein
推荐理由：Ribbon用一种巧妙的线性化技巧，让你不用反复训练就能估算模型的不确定性，而且结果和更复杂的bootstrap差不多。
6月16日
13:05
13:05
官方账号arXiv cs.AI@Yanan Long
推荐理由：这篇论文用贝叶斯方法检查了LiveBench等公共AI评估档案，发现很多宣称有问题，帮你判断哪些基准成绩可信。