本文提出了一種名為SCOPE-Gen的方法,用於生成模型的共形預測。SCOPE-Gen的核心思想是通過分階段的序列預測和過濾來提高樣本效率和統計保證。
具體來說,SCOPE-Gen分為兩個階段:
這種序列預測方法可以解決共形預測在高維或無限輸出空間下的問題。同時,由於預測集的可靠性可以分解為一個馬爾可夫鏈,SCOPE-Gen可以通過分別校準每個預測步驟的參數來控制最終預測集的可靠性。
相比於之前的工作,SCOPE-Gen在需要人工評估可靠性的情況下,大幅減少了可靠性評估的次數。實驗結果表明,SCOPE-Gen在自然語言生成和分子圖擴展任務上都優於基線方法。
翻譯成其他語言
從原文內容
arxiv.org
深入探究