Что общего у Таро, Витерби и больших языковых моделей: как алгоритм выбирает одно значение из множества
В статье представлена обучающая модель, которая интерпретирует последовательность карт Таро как поиск наиболее связного осмысленного пути, проводя аналогию с алгоритмами, такими как Витерби и лучевой поиск, используемыми в распознавании речи, машинном переводе и языковых моделях. Модель рассматривает каждую карту как функцию, сопоставляющую контекст и исходное значение пространству интерпретаций, а затем находит наилучший глобальный путь. Она противопоставляет жадный выбор, Витерби, лучевой поиск и другие методы, а также обсуждает расширения с использованием факторных графов, условных случайных полей, семантических эмбеддингов и переранжирования с помощью больших языковых моделей.
Статья на Habr исследует, как интерпретацию карт Таро можно моделировать как выбор наилучшего связного смыслового пути из множества кандидатов, по аналогии с такими алгоритмами, как Витерби и поиск по лучу. Автор начинает с идеи, что карта действует как функция отображения из контекста и исходного значения во множество возможных интерпретаций, но утверждает, что единицей поиска должен быть полный
Показать ещё ↓
Источник: Habr — хаб NLP —
оригинал