數值預測

深度分析

SMMD：平滑最大均值差異提升大型語言模型數值預測精準度

研究指出大型語言模型在數值輸出上仍不可靠，原因在於傳統交叉熵忽視數值的度量結構。作者提出 SMMD 搭配距離核與圖平滑正則，將預測分布與目標對齊並減少局部誤差。實驗顯示在四項數值任務上，準確率均優於傳統損失，提升顯著。此方法有望推動 AI 數值推理向可驗證與可解釋方向發展，提升金融與科學應用的可靠性。