HackerTube English?
子领域索引

学习信号与模型行为

从一次训练更新到部署判断，沿证据区分模型学到了什么、分数测到了什么。

从一个问题开始

没人给出标准答案，学习信号从哪里来？ →从一块没有标签的图像开始，再把问题换成需要连续行动的游戏。两者都没有老师逐题打分，但「找出结构」和「选择动作」要求的信息不同。游戏代理的进步，究竟进步在哪里？ →分数上涨可能来自更好的网络、更深的搜索，或者评分规则里的漏洞。分别追踪代理看到了什么、尝试了什么、最后为什么得到奖励。预测下一个词，离回答一个人还有多远？ →把三个问题分开：输入如何变成表示，训练如何改变网络，一个善于续写的模型又如何成为助手。否则很容易拿其中一层解释全部行为。一次成功演示能支持多大的结论？ →程序给出了期待的输出。从「它做到了」到「它一定能做到」，中间隔着测试分布、形式假设和真正的使用场景。这些界限在部署压力出现时尤其容易被忽略。