熱點事件持續更新
硬幣模型似然下溢導致權重失真
1 篇報道1 個報道來源1 小時前更新
先了解這件事
AI 綜述
2026年10月20日，DEV Community 報道指出，在兩個合成硬幣模型的例子中，連續出現1,200次正面時，Python binary64 逐次相乘會令似然下溢至0；高精度計算則顯示，兩個模型的似然都仍大於零。若直接以此結果計算正規化權重，兩個候選模型會被算成0%及100%。報道指出，改用 log likelihood 配合 log-sum-exp，權重約為44.03%及55.97%。這組數字只比較指定的兩個候選模型，並不代表下一次投擲出現正面的概率。
AI 根據報道生成 · 1 小時前更新
最新進展10月20日 00:40
最新報道顯示，log likelihood 配合 log-sum-exp 可得約44.03%及55.97%的模型權重。報道時間線
沿着報道，瞭解事件的不同側面。
10月20日
- DEV CommunityPython 將連續 1,200 次正面的似然算成 0，硬幣模型仍賦予正概率
在兩個合成硬幣模型的例子中，Python binary64 將連續 1,200 次正面的似然下溢為 0，但高精度計算顯示兩者的似然仍大於零。逐次相乘會把兩個模型的正規化權重算成 0% 和 100%；改用 log likelihood 配合 log-sum-exp，結果約為 44.03% 和 55.97%。這些數字只比較指定的兩個候選模型，並非下一次投擲出現正面的概率。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。