Monte Carlo Dropout

Определение

Monte Carlo Dropout — техника, при которой dropout остаётся включённым во время инференса, позволяя получить несколько прогонов для оценки неопределённости предсказания (epistemic uncertainty) без дополнительного обучения.

Где встречается

• 37. Как вы избегаете переобучения при fine-tuning на маленьком датасете
• 291. Как вы измеряете uncertainty в ответах LLM (logit-based vs ensemble methods)
• 294. Как вы калибруете вероятности LLM для classification задач
• 675. Как работает dropout и зачем он нужен в LLM (regularization)
• 872. Что такое calibration для LLM и как её измерять (ECE)
• 233. Агент с human-in-the-loop

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление