新框架改进了大型语言模型（LLM）的公平系统提示选择

一个名为Constrained Mixed-Strategy GroupDRO的新框架已被开发出来，以改进大型语言模型（LLM）的公平系统提示选择。该方法旨在最大限度地减少各种指标和群体之间的最差情况质量损失，同时保持整体质量损失与基于平均值的选择相当。该框架的有效性在五个LLM的医疗和消费金融基准测试中得到了证明，显示出最差情况质量下降的显著减少。 AI

影响 通过确保在各种问题措辞上更公平的性能来提高LLM响应质量。

排序理由 学术论文，详细介绍了LLM系统提示选择的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• Average selection
• CatalyzeX
• Constrained Mixed-Strategy GroupDRO
• DagsHub
• Gotit.pub
• Hugging Face
• large language models
• Overall mean estimation of trace evidence in a two-level normal-normal model
• ScienceCast
• Worst 25% Mean

• 论文
• 模型发布

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