ลองคำนวณ: คนจะชอบคำตอบไหนมากกว่า · AI ข้างในทำงานยังไง

ถึงตาคุณคำนวณเองบ้าง ใช้สูตรเดียวกับหน้าก่อน (กดเครื่องคิดเลขในหน้านี้ได้):

P (A ≻ B) = σ (r_{A} - r_{B}) = \frac{1}{1 + e ^{- (r_{A} - r_{B})}}

ยิ่งคะแนนสองคำตอบห่างกัน reward model ยิ่งมั่นใจว่าคนจะชอบคำตอบที่คะแนนสูงกว่า

พี่แนนฝ่าย HR ให้ AI ร่างประกาศอีกฉบับ "ชวนพนักงานลงชื่อกิจกรรมปลูกต้นไม้วันเสาร์" มาสองแบบ reward model ให้คะแนนดังนี้

แบบ A สั้น เป็นกันเอง มีลิงก์ลงชื่อชัดเจน: $r_{A} = 2.0$
แบบ B ภาษาทางการแข็งๆ ศัพท์ยาก อ่านจบแล้วไม่รู้ว่าต้องทำอะไรต่อ: $r_{B} = 0.5$

ตามสูตร Bradley–Terry โอกาสที่คนจะชอบแบบ A มากกว่าแบบ B เท่ากับกี่ %? (ตอบทศนิยม 1 ตำแหน่ง)

คำตอบของคุณ

คำใบ้ (2)

หาผลต่างก่อน: $r_{A} - r_{B} = 2.0 - 0.5 = 1.5$ แล้วใช้ $σ (x) = \frac{1}{1 + e ^{- x}}$
$e^{- 1.5} \approx 0.2231$ ดังนั้นตัวส่วนคือ $1 + 0.2231 = 1.2231$

ดูเฉลย

คำตอบ: 81.8%

$1/1.2231 \approx 0.8176$ = 81.8%

คิดแบบ softmax ก็ได้คำตอบเดียวกัน: $e^{2.0} = 7.3891$ , $e^{0.5} = 1.6487$ แล้ว $7.3891/9.0378 \approx 0.8176$

สังเกตไหมว่าถ้าบวก 10 ให้ทั้งคู่ (12.0 กับ 10.5) ผลต่างยังเป็น 1.5 คำตอบจึงยังเป็น 81.8% สิ่งที่มีความหมายคือ "ผลต่าง" ของคะแนน ไม่ใช่ตัวคะแนนเอง บวกเท่ากันทั้งคู่ โอกาสไม่เปลี่ยน

มังคุด

ถ้าสองคำตอบได้คะแนนเท่ากันเป๊ะล่ะ?

ชอบหน้านี้? แชร์ให้เพื่อนร่วมงาน