一篇新发表在arXiv上的论文探讨了大型语言模型（LLMs）数据引用的复杂挑战。作者认为，LLMs介导信息访问的能力，除了简单的验证之外，还需要引用来归功和追溯来源。他们提出了三个研究方向：将影响估计转化为训练数据的引用，在推理过程中识别正确粒度的数据集和查询结果，以及定义知识图谱事实的引用以确保功劳传播。解决这些问题需要数据库、信息检索、知识表示和人工智能领域的合作。 AI
影响 这项研究通过实现对训练数据的适当归属，可能带来更透明和负责任的LLM输出。
排序理由 该集群包含一篇讨论人工智能新研究挑战的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- artificial intelligence
- arXiv
- database
- data citation
- Hugging Face
- Knowledge graph facts
- knowledge representation and reasoning
- large language models
- Training Data Attribution Debt
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
