标签:损失函数
- 笔记 前向 KL 与反向 KL:从拟合行为到 SFT、RL 与梯度估计
从期望所依据的采样分布出发比较前向 KL 与反向 KL 的拟合行为,统一 SFT 与 KL 正则 RL 并推导闭式最优策略,讨论扩散、流匹配与在线蒸馏中的 KL 方向,以及策略梯度与重参数化两种梯度估计。
- 笔记 生成与学习的六个轴
把训练定义为六元组:目标信息、参数化对象、差异度量、采样来源、梯度估计、优化结构,逐轴说明各轴的选项,并据此对照最大似然、扩散、流、GAN、RLHF、DQN 等方法。
- 笔记 损失函数的概率解释:从贝叶斯推断到轨迹生成中的 MSE 与交叉熵
说明先验、似然、后验的关系,最大似然、最大后验与 MSE、交叉熵的推导,以及分类中交叉熵梯度优于 MSE 的原因;讨论两类损失在轨迹生成中的适用范围:多峰分布、混合密度、赢者通吃、轨迹词表与自回归。