页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「成本」找到 713 条内容
按专题浏览 →匹配口述回答：…常见。 【验证补充】如果类别极不平衡，可以在交叉熵上使用类权重、采样或合适的长尾方法，但仍要校准与分层评测。是否采用这些调整由错误成本和部署先验决定，不能因为 MSE 不合适就自动选择任意加权方案。 区分回归与分类概率目标 分别推导 dL/dp 和 dL/dz 解释自信错误时的梯度差异 说明多分类 softmax 交叉熵 联系 next-token 条件似然 30秒速答 + 90秒主答 + 完整展开 交叉熵的优势是去掉自信错误样本上的额外 sigmoid 饱和因子，不是承诺所…
匹配口述回答：…义正类用alpha、负类用一减alpha，但alpha取大还是取小不能只看“正类少”机械决定，因为它还和采样策略、gamma、误判成本及具体定义有关。原论文里的参数也不能无条件搬到新的1比100任务上，更不能把少数类权重直接写成零点零一。 工程上我会同时比较普通交叉熵、类别加权、重采样和Focal Loss，观察PR-AUC、少数类召回、误报成本和概率校准。还要抽查难样本是不是标签噪声，因为Focal Loss会把注意力集中到它们。只有在大量易负样本确实淹没训练信号时，我才把…
匹配口述回答：…似做可微采样。但期望embedding会把多个候选词的语义混在一起，这种向量训练时通常没有出现；它还要保留或计算整个词表分布，因此成本较高，并会改变模型语义，不能当作标准解码的等价替换。 KV Cache也不强制输入必须是离散token。如果下一步只接收一个期望embedding，计算图仍只有一条路径，也只需要一份对应K/V。只有想精确保留多个离散候选并分别继续生成时，才像Beam Search那样为每个分支维护状态。不能说使用soft分布就必然为词表每个token缓存一份。…
按学习路线查看教程、项目和面试题。