用spm进行t检验

此处为双样本t检验
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • 9
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
引用\[1\]: 在做spm pair-t检验时,首先需要加载模型并合并模型。具体步骤包括加载原始的LLaMA tokenizer和中文sentencepiece模型,并将它们转换为Protocol Buffers格式。然后,从中文sentencepiece模型中提取词汇,并将这些词汇添加到LLaMA tokenizer中。最后,将合并后的模型保存到指定的目录。这样就得到了合并后的Chinese-LLaMA tokenizer。\[3\] 引用\[2\]: 在spm pair-t检验中,边际是偏好评级的离散函数。研究发现,这个边际成分可以提高帮助性奖励模型的准确性,特别是在两个response更好区分的样本上。也就是说,边际成分可以帮助我们更好地区分样本的不同反应。\[2\] 综上所述,spm pair-t检验是一种用于比较两个样本之间差异的统计方法。在进行这个检验时,我们需要合并模型并考虑边际成分,以提高准确性和区分度。 #### 引用[.reference_title] - *1* [VBM后的配对t检验以及xjview使用](https://blog.csdn.net/xxxxffff_/article/details/123876329)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [LLaMA的解读与其微调:Alpaca-LoRA/Vicuna/BELLE/中文LLaMA/姜子牙/LLaMA 2](https://blog.csdn.net/v_JULY_v/article/details/129709105)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值