新闻中心 
-
08-09投机采样会损失大语言模型的推理精度吗？MitchellStern等人于2018年提出了投机采样的原型概念。这种方法后来被各种工作进一步发展和完善，包括LookaheadDecoding、REST、M...
-
01-24机器学习问题中渐进性的重要性渐近性质是指随着数据量增加，算法的性能是否会趋于稳定或收敛到一定的界限。在机器学习问题中，渐近性质是评估算法可扩展性和效率的重要指标。了解算法的渐近性质有助于我...
-
01-23了解AlexNetAlexNet是一种卷积神经网络，由AlexKrizhevsky等人于2012年提出，该网络在当年的ImageNet图像分类竞赛中取得了冠军。这个成就被认为是深...
-
01-23增强机器学习模型的可解释性的途径可解释的AI是机器学习(ML)的重要方面，使模型内部工作透明易懂。提高ML模型可解释性的步骤：预建模可解释性是数据科学中的一个重要步骤。在这一步骤中，我们需要对...
-
01-22表征学习的定义及其在机器学习中的应用表征指的是通过某些符号、语言、图像等方式来表现、描述、描绘某种事物、现象、概念等的过程。表征可以是语言文字的表述，也可以是图像、符号、数字等的符号化表达，是人们...
-
01-22解决机器学习中模型漂移的挑战在机器学习中，模型漂移是指训练好的模型在实际应用中出现不稳定的现象。这种现象可以体现为模型在时间或空间上的预测性能发生变化，即在新数据上的性能下降。模型漂移是机...
