⌘ K
… 读取采集状态 同步中...
雷
原文
大模型智能· haotian·· 17 天前AI 评分40

深度解析 Score-Centering 与 Off-Policy Baseline 的理论关联及在 MIS/TIS 中的实现

从 On-Policy Baseline 到 Off-Policy Score Centering!深度解析 score-centering 的前世今生

AI 导读

文章深入解析了 Score-Centering 机制,阐明其在 Off-Policy 场景下恢复 Baseline 不变性的数学原理。指出 Exact Importance Sampling 可自然消除偏差,而 Truncated 或 Masked IS 需结合 Score-Centering 修正残差漂移。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:大模型智能 · mp.weixin.qq.com