[
    {
        "id": "osp-17660",
        "type": "article-journal",
        "title": "لا تدربوا على عدم اليقين",
        "author": [
            {
                "family": "Xie",
                "given": "Yutong"
            },
            {
                "family": "Tang",
                "given": "Jiawei"
            },
            {
                "family": "Hua",
                "given": "Zhenglin"
            },
            {
                "family": "Ma",
                "given": "Yuxiang"
            },
            {
                "family": "Qin",
                "given": "Si"
            },
            {
                "family": "Hou",
                "given": "Yaxin"
            },
            {
                "family": "Liu",
                "given": "Hui"
            },
            {
                "family": "Hou",
                "given": "Junhui"
            },
            {
                "family": "Jia",
                "given": "Yuheng"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/do-not-train-away-uncertainty-early-uncertainty-anchored-calibration",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "الشبكات العصبية العميقة، بما في ذلك نماذج اللغة الكبيرة، حققت أداءً ملحوظًا عبر المهام المختلفة. ومع ذلك، فإنهم يميلون إلى الثقة المفرطة أثناء التدريب أو الترتيب الدقيق. في هذا العمل، نلاحظ ظاهرة متسقة عبر النماذج المختلفة أن النموذج المبكر هو مقياس أفضل، في حين أن التدريب اللاحق أو ضبط الدقيق يؤدي إلى مكاسب دقة هامشية ولكن يزيد بشكل كبير من أخطاء التصوير. تشير تحليلتنا إلى أن النموذج المبكر يحافظ على إدراك عدم اليقين في كل من التنبؤات والميزات، والتي تختفي تدريجيًا مع الاستمرار في التدريب. لتجنب تدريب هذا الوعي من عدم اليقين، نقترح \\textbf{EUA-Cal}، طريقة جديدة تستغل النموذج البدائي \\textbbf{E} كمركز للتعبير. يقدم EUA-Cal تنظيم التنبؤ المبكر للحفاظ على عدم اليقين التنبؤي المبكر وإعادة تنظيم البنية النموذجية لاستغلال عدم اليقین المتعكس في مساحة الميزات المبكرة، مما يخفف بشكل مشترك من الثقة الزائدة. تظهر التجارب الواسعة النطاق على تصنيف الصور والسؤال المتعدد الاختيار الذي يجيب على ثمانية نماذج متنوعة أن EUA-Cal يتفوق على أساليب التصوير الحديثة."
    }
]