2025-09-10 16:29 VincentWei
摘要 就像学生面对难题时会猜测一样，大型语言模型在不确定时也会进行猜测，生成看似合理却错误的表述，而非承认自身的不确定性。这种幻觉现象即便在最先进的大模型中也依然存在，并且会损害用户对模型的信任。我们认为，语言模型产生幻觉的原因在于，其训练与评估流程更倾向于奖励猜测行为，而非奖励承认不确定性的行为；同时，我们也分析了现代训练流程中导致幻觉产生的统计层面原因。 幻觉并非难以解释的神秘现象它本质上源于二分类任务中的错误。若模型无法区分错误表述与事实，那么在自然的统计压力作用下，预训练语言模型就必然会产生幻觉。...
继续阅读 »2025-09-10 15:47 VincentWei
1. 系统整体架构 该系统是一个基于深度强化学习的体能训练权重优化平台，采用分层架构设计： 1.1 架构层次 ┌─────────────────────────────────────────────────────┐ │ API服务层 (FastAPI) │ ├─────────────────────────────────────────────────────┤ │ 业务逻辑层 │ │ ┌─────────────┐ ┌──...
继续阅读 »2025-09-09 17:07 VincentWei
1. 系统整体架构 该系统是一个基于深度强化学习的体能训练权重优化平台，采用客户端-服务器架构，通过FastAPI提供RESTful API服务。系统核心功能分为两个主要模块： 1.1 系统组件 FastAPI Web框架 ：提供HTTP API接口 PyTorch深度学习框架 ：实现神经网络和强化学习算法 CUDA加速 ：利用GPU进行高效计算 日志系统 ：记录训练和优化过程 模型持久化 ：保存和加载训练好的模型 1.2 核心工作流程 用户数据输入 状态编码 策略网络决策 环境交互 奖励计算 ...
继续阅读 »2025-09-07 17:49 VincentWei
1. 研究背景与问题 1.1 核心问题 任意尺度超分辨率（ASISR）的局限性 ：现有方法（如LIIF、CiaoSR）在训练覆盖的尺度内（如14）表现良好，但当放大倍数 超出训练范围 （如30100）时，性能急剧下降，产生严重模糊、噪声和伪影（图1, 图2）。 传统级联方法的缺陷 ： 需为每个放大步骤训练独立模型（如444实现64），训练复杂度高。 存储开销大，且新尺度需重新训练， 扩展性差 。 循环使用现有ASISR模型会导致 分布漂移 （distribution drift），累积噪声和模糊（图2）。...
继续阅读 »2025-09-07 17:44 VincentWei
1. 研究背景与问题 核心问题 雨痕对图像质量的影响 ：雨滴、雨纹和雾气会导致图像对比度下降、颜色失真、细节模糊，严重影响遥感、监控、自动驾驶等领域的计算机视觉任务（如目标检测）。 现有方法的局限性 ： 过拟合与过度平滑 ：模型在合成数据上训练后泛化能力差，易去除非雨纹纹理（如垂直背景），导致图像细节丢失。 复杂雨纹建模不足 ：难以处理重叠雨纹、雾气等复杂天气混合场景。 数据集缺陷 ：现有合成数据集多样性不足，缺乏真实世界的雨纹分布。 颜色处理缺陷 ：传统CNN独立处理RGB通道，忽略通道间关联，导致颜色...
继续阅读 »
