佐治亚理工学院和斯坦福大学的最新研究表明，大型语言模型可能表现出预测不稳定性。虽然总体准确率得分可能保持很高，但当模型接收到不相关或无意义的上下文时，单个答案可能会发生显著变化。这表明大型语言模型的性能可能存在隐藏的脆弱性，而标准评估指标未能捕捉到这一点。 AI
影响 凸显了大型语言模型输出中潜在的隐藏不稳定性，表明当前的评估方法可能无法完全捕捉模型的鲁棒性。
排序理由 该集群包含来自学术机构的研究论文。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
LLM accuracy hides prediction flips from irrelevant context arXiv research from Georgia Tech and Stanford shows language models flip individual answers when fed meaningless text, as overall scores hold steady. https://www. notatechguy.com/llm-accuracy-h ides-prediction-flips-from…
RISC-V post-quantum crypto extension hits 129x speedup HORCRUX adds post-quantum cryptography to small RISC-V chips with up to 129x faster hashing, targeting IoT devices that can't run heavy crypto. https://www. notatechguy.com/risc-v-post-qu antum-crypto-extension-hits-129x-spee…