知識秘境(Beta)
從問題與思考中,梳理出知識的脈絡。
我們把知識探索變成一場場對話遊戲。在任務布告欄上,有各式各樣的任務等你挑戰:你會遇到不同的情境與問題,試著做出選擇,再跟著回應與提示繼續往下思考吧!
不同的答案,可能帶你發現不同的線索;即使走不通,也能幫你看見原本的思考漏掉了什麼。知識與公式,就在這些嘗試、提問與推理中,逐漸浮現出來,知識的脈絡就藏在其中,一起攻略吧!
Unit 7 · Test-time Guidance 回技能書連著讀 →
-
模型訓練好了,使用者才說要戴紅帽的狗
先在三條方法路徑預測、畫分布與判讀證據,再完整推導。讀完各路才標記,最後統整並處理跨方法的需求。
從情境開始 → 技能書: 模型已經訓練好,現在才知道想要什麼,還來得及嗎? -
圖片還沒畫完,怎麼提醒它要畫柯基?
用同一個雙峰分布實際跑 classifier guidance 與 CFG;完整讀完兩條方法路徑後,再比較工具前提並判讀新情境。
從情境開始 → 技能書: 不重新訓練,怎麼取得這次要求的引導方向? -
兩張都合理,我們要更常抽到哪一張?
從喜歡的照片比例走到連續分布實作;畫出 posterior、平均圖片與 hₜ,檢查 plug-in 省掉的不確定性。
從情境開始 → 技能書: 既要像資料,又要 reward 高:我們真正想抽哪個 distribution? -
評審只肯打分,這些草稿接著怎麼畫?
選順序完整探索完成後挑選、途中 SMC 與起點 MCMC/SPT;真的生成樣本、追蹤祖先與鏈,再做最後統整。
從情境開始 → 技能書: Reward 只會打分、不會給方向,還能怎麼引導? - 互動版準備中
當 reward 變成觀測、目標與限制,我們到底在抽什麼?
技能書 → - 互動版準備中
實作:同一個 base distribution,能被 guidance 帶到哪裡?
技能書 →