Написанное в статье можно еще переформулировать так (взял из комментариев в вк)
Правильнее сказать: "мы нашли АЛГОРИТМ, который строит интервалы, содержащие истинное значение для 95% случайных выборок, удовлетворяющих предпосылкам алгоритма".
И тут не очень понятно, в чем смысл "оценки границ". Если вы сделаете границы шире, то доля выборок будет больше, если уже - меньше.
We quantitatively compare our WISP framework’s phase reconstruction accuracy against established baselines, including the reliability-guided fast non-continuous path (RFNP) algorithm [6], [7], transport-of-intensity equation (TIE) and its iterative variant (ITIE) [8], the original PM [1], its extended version EAPM [2] and deep convolutional neural network approaches (DCNN) [9].
The comparative accuracy assessment revealed that the WISP method achieves superior performance in matching the interference function derived from the reconstructed phase data with the original frames, particularly under noisy conditions. Quantitative evaluation using the root mean square deviation (RMSD) metric demonstrated that our framework consistently outperforms all benchmarked methods, maintaining the lowest error values across varying noise levels. The advantage of RMSD was most pronounced in the high-noise regime, where WISP reduced reconstruction errors by 39.7% compared to the next-best-performing method (DCNN). These results demonstrate that WISP achieves superior robustness and accuracy in diverse morphologies of interference patterns.
Параметр функции распределения, из которой делается выборка. Среднее значение при стремлении размера выборки к бесконечности сходится к истинному среднему.
Бозе-конденсаты из обычного вещества имеют температуру намного меньше одного Кельвина. Обычно это наноКельвины. Это достигается только с помощью лазерного охлаждения.
Поляритоны могут образовывать бозе-конденсат при десятках Кельвинов, иногда даже при комнатной температуре в некоторых системах.
«Если мы возьмем 100 разных выборок и для каждой посчитаем свой диапазон по формуле доверительного интервала (например, у первой 98-118, у второй 102-122...), то в 95 из 100 случаев истинное среднее всей генеральной совокупности окажется внутри этих посчитанных диапазонов».
Просто "логический компас для искусственного интеллекта" выглядит как-то лучше по стилю, чем "логический компас для LLM". Так как в названиях релизов в публицистическом стиле использовать аббревиатуры нехорошо. Можно конечно "логический компас для больших языковых моделей", так по стилю норм, но это кажется усложненным, название лучше проще делать, если есть возможность, при сохранении смысла.
А насчет хайпа претензия странная, LLM по-моему еще более хайповое, чем ИИ.
Вот смотрите, например https://netology.ru/programs/best_sales . Такого ведь полно было до всяких нейросетей. Это делают профессиональные дизайнеры за деньги.
Ну нейросетка сейчас делает почти точно также, в принципе, если ее дизайн попросить.
Этот нейростиль заключается в применении разных приемов, которые описаны в книгах о том, как писать интересный текст. Например, есть книга "Хит на Хабр", там написано, что для того, чтобы статья была хитом Хабра, нужно вот именно всё это описанное применять.
Насчет неуместности - так люди тоже их часто неуместно применяют, не только ИИ.
Так что это вопрос, сколько текстов в интернете с "нейростилем" написаны нейронками, а сколько люди давно пишут сами. Тем более что, по-моему, текстов с избытком визуального шума в интернете было полным полно задолго до появления LLM.
Математически доверительные интервалы строятся из предположения, что параметр не меняется, выборка каждый раз берется из одного и того же распределения.
Если вы хотите учесть изменчивость параметров, модель нужно будет усложнить.
И если мы считаем, что значение параметра изменилось, то надо иметь в виду, что используемые формулы расчета интервалов уже неверны.
Спасибо, что написали. Я могу это Тимофею отправить. Возможно, он просто не читал эту работу.
Написанное в статье можно еще переформулировать так (взял из комментариев в вк)
И тут не очень понятно, в чем смысл "оценки границ". Если вы сделаете границы шире, то доля выборок будет больше, если уже - меньше.
Ну там больше ничего нет. Этот вопрос можно задать самому Хирьянову.
В статье написано, откуда цифра.
We quantitatively compare our WISP framework’s phase reconstruction accuracy against established baselines, including the reliability-guided fast non-continuous path (RFNP) algorithm [6], [7], transport-of-intensity equation (TIE) and its iterative variant (ITIE) [8], the original PM [1], its extended version EAPM [2] and deep convolutional neural network approaches (DCNN) [9].
The comparative accuracy assessment revealed that the WISP method achieves superior performance in matching the interference function derived from the reconstructed phase data with the original frames, particularly under noisy conditions. Quantitative evaluation using the root mean square deviation (RMSD) metric demonstrated that our framework consistently outperforms all benchmarked methods, maintaining the lowest error values across varying noise levels. The advantage of RMSD was most pronounced in the high-noise regime, where WISP reduced reconstruction errors by 39.7% compared to the next-best-performing method (DCNN). These results demonstrate that WISP achieves superior robustness and accuracy in diverse morphologies of interference patterns.
В кандидатской диссертации Хирьянова намного подробнее Timofey_Khirianov_dissertation.pdf . По сути это статья по его работе в аспирантуре.
Параметр функции распределения, из которой делается выборка. Среднее значение при стремлении размера выборки к бесконечности сходится к истинному среднему.
Бозе-конденсаты из обычного вещества имеют температуру намного меньше одного Кельвина. Обычно это наноКельвины. Это достигается только с помощью лазерного охлаждения.
Поляритоны могут образовывать бозе-конденсат при десятках Кельвинов, иногда даже при комнатной температуре в некоторых системах.
Не одному, тут еще писали выше. Но если присмотреться, то они отличаются.
В общем да, нужно раскрыть этот аспект тоже.
Нет, это неправильно. Правильно будет так:
«Если мы возьмем 100 разных выборок и для каждой посчитаем свой диапазон по формуле доверительного интервала (например, у первой 98-118, у второй 102-122...), то в 95 из 100 случаев истинное среднее всей генеральной совокупности окажется внутри этих посчитанных диапазонов».
Просто "логический компас для искусственного интеллекта" выглядит как-то лучше по стилю, чем "логический компас для LLM". Так как в названиях релизов в публицистическом стиле использовать аббревиатуры нехорошо. Можно конечно "логический компас для больших языковых моделей", так по стилю норм, но это кажется усложненным, название лучше проще делать, если есть возможность, при сохранении смысла.
А насчет хайпа претензия странная, LLM по-моему еще более хайповое, чем ИИ.
Вот смотрите, например https://netology.ru/programs/best_sales . Такого ведь полно было до всяких нейросетей. Это делают профессиональные дизайнеры за деньги.
Ну нейросетка сейчас делает почти точно также, в принципе, если ее дизайн попросить.
Этот нейростиль заключается в применении разных приемов, которые описаны в книгах о том, как писать интересный текст. Например, есть книга "Хит на Хабр", там написано, что для того, чтобы статья была хитом Хабра, нужно вот именно всё это описанное применять.
Насчет неуместности - так люди тоже их часто неуместно применяют, не только ИИ.
Так что это вопрос, сколько текстов в интернете с "нейростилем" написаны нейронками, а сколько люди давно пишут сами. Тем более что, по-моему, текстов с избытком визуального шума в интернете было полным полно задолго до появления LLM.
Сейчас посмотрел лучше, похоже вот это было не совсем удачно.
На первый взгляд казалось красиво.
Но это вообще не ИИ придумал, а как раз я сам это сделал.
Но вопрос остается, как сделать это хорошо.
При малой выборке корректнее всё формулировать через байесовский подход. А при большой выборке он совпадает с частотным.
Кстати в известной популярной книге "Статистика и котики" про это есть
https://prepod.nspu.ru/pluginfile.php/378549/mod_resource/content/1/Savelev_V_Zvezdarunetabiznes_Statistika_I_Kotiki_a6.pdf
Для любого прямоугольного треугольника можно координатные оси провести так, чтобы они были параллельно катетам, а начало координат было в остром угле.
Поэтому в четвертом типе доказательства получается теорема Пифагора в общем случае.
Это вывод программы, написанной на Питоне. Причем здесь нейросеть?
Это логический компас для LLM. Авторы научной статьи занимаются такими исследованиями, как сделать LLM более логичными.
Математически доверительные интервалы строятся из предположения, что параметр не меняется, выборка каждый раз берется из одного и того же распределения.
Если вы хотите учесть изменчивость параметров, модель нужно будет усложнить.
И если мы считаем, что значение параметра изменилось, то надо иметь в виду, что используемые формулы расчета интервалов уже неверны.
Поэтому там немного иронии есть в конце статьи.