Veritas 的一项研究强调了大型语言模型 (LLM) 的非确定性本质，揭示了许多监控工具未能考虑到这种可变性。当多次运行相同的提示时，一些模型在输出方面显示出显著的波动，其中 Perplexity 的 Sonar 工具在一天之内就表现出特别宽泛且矛盾的结果。研究表明，依赖单一抽样指标可能会将模型方差与真实性能变化混淆，从而误导实际性能趋势。 AI
影响 强调了当前 LLM 监控工具中潜在的不准确性，敦促开发人员考虑模型的方差。
排序理由 该条目讨论了 LLM 监控工具中的一个缺陷，而不是一个新的 LLM 版本或核心研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
