arXiv · cs.CL· Shrey Shah·· 21 天前AI 评分28
Holdout Best-of-N：无偏评估及其代价
Holdout Best-of-N: Unbiased Evaluation and Its Cost
来源与原文
arXiv · cs.CL
作者：Shrey Shah
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08719v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
复用选择 Best-of-N 胜者的评分会高估其期望奖励。论文证明：仅基于每候选 K 个独立评分的固定矩阵，估计器要在所有独立稳定评分律下恰好无偏，当且仅当 J<K；J=K 时无法无偏，但增加一个新胜者评分即可对全 K 策略做无偏评估。Holdout 在该机制下达到 σ²/√K 量级的无偏 minimax 风险，有偏方法可改进到 σ²/K；两候选情形下无偏 minimax 常数为 1/(π√2)。
来源：arXiv · cs.CL · arxiv.org