Agus Sudjianto, Denis Burakov · 2026 · SSRN Electronic Journal
DOI: 10.2139/ssrn.7619599 · cited by 0 works (OpenAlex) · open-access PDF
Các mô hình quyết định điểm số ứng cử viên trả về một sự phân phối xác suất trên một tập hợp các câu trả lời được trình bày. Tài liệu công khai của một hệ thống như vậy, Jev, và của một đối tác mở, JevAny, mô tả ba thành phần đào tạo xác định những gì những xác suất này ước tính: các mục tiêu mềm từ các mô hình lớn hơn, một xương sống trước khi được đào tạo đông lạnh và hiệu chuẩn nhiệt độ. Chúng tôi phân tích từng thành phần trong thay thế Gaussian nơi rủi ro mẫu hữu hạn có thể được tính toán chính xác.
Machine translation (Meta M2M100); the English original follows.
Candidate-scoring decision models return a probability distribution over a presented set of answers. Public documentation of one such system, Jev, and of an open counterpart, JevAny, describes three training ingredients that determine what these probabilities estimate: soft targets from larger models, a frozen pretrained backbone and temperature calibration. We analyze each ingredient in Gaussian surrogates where the finite-sample risk can be computed exactly. A student trained on teacher targets inherits the teacher's bias, which more student data does not remove and agreement with the teache
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
Topics: Calibration, Representation (politics), Event (particle physics), Aggregate (composite), Set (abstract data type), Gaussian
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26797, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange