Judge feedback

Judge feedback is anonymous and shown in a random order.

• - La idea de acotar el error de testing de un modelo ha sido explorada con mucho interés en la literatura de deep learning. La idea de las scaling laws básicamente es predecir los parámetros del modelo necesarios para conseguir cierto nivel de error en testing. Por desgracia, esto solo funciona para funciones de error muy concretas, y no para cosas que realmente nos importan como "probabilidad de que el modelo cause un evento catastrófico". # Evaluación - Significancia: La analogía no me parece de mucha utilidad, puesto que no trata las dificultades clave de hallar una métrica de error adecuada y asegurarnos de que el modelo no sobrepasa los márgenes establecidos 1/5 - Validez técnica: Aunque no hay errores obvios en la propuesta, no se mencionan las partes más complicadas 2/5 - Claridad: Me ha resultado un poco difícil entender el objetivo de este artículo 3/5 - La propuesta es similar a ideas que ya existen en el campo, pero no exactamente igual 2/5
• Repiten los métodos de gradient descent sin hacer distinción. Comparan la loss function con la del supervisor, pero fallan en marcar una diferencia.