Holdout Best-of-N 无偏评估论文发布
热点事件持续更新
Holdout Best-of-N 无偏评估论文发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Shrey Shah 与 Yinheng Li 发布论文，指出 Best-of-N 评估中复用选出赢家的评分会高估其期望奖励，并提出 Holdout 估计器。 论文称，仅基于固定评分矩阵的单一估计器，在候选评分独立且分布稳定时，当且仅当 J<K 时对所有池大小 M≥N≥2 才精确无偏；不可行性只针对固定矩阵，若为获胜者额外补充一次全新评分，则可对全 K 策略做无偏评估。 在独立高斯评分下，无偏 minimax 风险约为 σ²/√K，允许偏差可提升至 σ²/K；双候选情形下最小方差无偏估计的渐近常数为 1/(π√2)，Holdout 无需已知方差即可达到。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
Holdout Best-of-N：无偏评估及其代价报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.CLHoldout Best-of-N：无偏评估及其代价
研究揭示复用选出 Best-of-N 赢家的分数会高估其期望奖励，并提出基于固定评分矩阵的 Holdout 估计器：仅当 J<K 时才能对期望评判奖励保持精确无偏。在独立高斯评分下，无偏 minimax 风险约为 σ²/√K，而允许偏差可将速率提升至 σ²/K；双候选情形下最小方差无偏估计的渐近常数为 1/(π√2)，Holdout 无需已知方差即可达到。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。