跳到正文
原文
arXiv · Statistics Machine Learning· Ryotaro Kawata, Satoshi Hayakawa, Taiji Suzuki·· 7 小时前AI 评分15

隐藏森林结构下的反事实探测与并行解码

Counterfactual Probing for Parallel Unmasking with Hidden Forest Structure

AI 导读

研究在隐藏森林结构分布下,通过反事实探测实现并行掩码生成模型的采样。在固定目标精度 ε 和足够大序列长度 N 下,总掩码状态提交量和串行深度均被 O(N^C ε^a) 界定,且无需完全恢复隐藏森林。可调参数可在探测成本与不可逆提交轮次之间权衡,同类可采纳的不可逆乘积提交采样器在最坏情况下需要 Ω(N^c ε^b) 次反事实提交或提交轮次。

来源:arXiv · Statistics Machine Learning · arxiv.org