PulseAugur
中
实时 19:30:55
English(EN) Do LLM Recommenders Know When They're Hallucinating? Auditing Confidence Calibration in Catalog Faithfulness

研究发现：大型语言模型在推荐方面信心不足

作者 PulseAugur 编辑部 · [2 个来源] ·

一项对四种大型语言模型——Mistral Large、Llama 3.3 70B Instruct、GPT-OSS 120B 和 Claude Sonnet 4.6——进行的审计新研究发现，当被要求从特定目录推荐项目时，这些模型普遍表现出信心不足。尽管之前的研究侧重于幻觉方面的过度自信，但此次审计发现，即使模型没有产生幻觉，它们表达的信心也常常低于其实际准确性所暗示的水平。研究表明，这种信心不足源于提示词引发置信度评分的方式不匹配，而不是对目录成员资格缺乏真正的确定性。 AI

影响 强调了大型语言模型表达信心方面可能存在的错配，表明当前方法可能无法准确反映它们对特定目录推荐的理解。

排序理由 学术论文，详细介绍了对大型语言模型置信度校准的审计。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究发现：大型语言模型在推荐方面信心不足

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Srijith Ravikumar ·

    大型语言模型推荐器知道自己何时会产生幻觉吗？对目录忠实度的置信度校准进行审计

    arXiv:2608.10008v1 Announce Type: cross Abstract: LLM recommenders for top-$K$ item suggestion regularly emit titles outside the target catalog. Prior audits measure this as a binary out-of-domain rate; none ask whether the model knew it was hallucinating. We jointly audit halluc…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Srijith Ravikumar ·

    大型语言模型推荐器知道自己何时会产生幻觉吗？对目录忠实度的置信度校准进行审计

    LLM recommenders for top-$K$ item suggestion regularly emit titles outside the target catalog. Prior audits measure this as a binary out-of-domain rate; none ask whether the model knew it was hallucinating. We jointly audit hallucination rate (OOD@10) and verbalized-confidence ca…

相关实体

相关话题