English(EN) Decomposed Prompting Does Not Fix Knowledge Gaps, But Helps Models Say "I Don't Know"

分解提示有助于大型语言模型承认“我不知道”，提高可靠性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

一篇新的研究论文探讨了分解提示技术如何帮助大型语言模型识别和表达不确定性，而不是产生错误的答案。研究发现，虽然分解提示不能弥补潜在的知识差距，但不同提示方法之间的分歧可以作为模型内部不确定性的可靠指标。这一信号可用于实施无训练的弃权策略，从而在闭卷问答场景中提高错误检测和整体可靠性。 AI

影响通过使模型能够发出不确定性信号来提高大型语言模型的可靠性，减少问答任务中的幻觉。

排序理由发表在arXiv上的研究论文，详细介绍了一种提高大型语言模型可靠性的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Dhruv Madhwal, Lyuxin David Zhang, Dan Roth, Tomer Wolfson, Vivek Gupta · 2026-07-07 04:00

Decomposed Prompting Does Not Fix Knowledge Gaps, But Helps Models Say "I Don't Know"

arXiv:2602.04853v2 Announce Type: replace Abstract: Large language models often struggle to recognize their knowledge limits in closed-book question answering, leading to confident hallucinations. While decomposed prompting is typically used to improve accuracy, we investigate it…