研究人员开发了一个名为FAE(Fact-Ablated Evaluation)的新框架,用于评估大型语言模型(LLM)在事实核查中利用所提供证据的程度。研究发现,当前的LLM往往比给定的证据更依赖其内部知识。为了解决这个问题,提出了一个名为REAL(Rigorous Evidence Ablation Learning)的训练框架,该框架使用反事实证据监督来鼓励模型在判断其真实性时更加依赖所提供的证据。 AI
影响 这项研究可能有助于开发更可靠的事实核查LLM,这些LLM不易产生幻觉,并且能更好地依据所提供的证据。
排序理由 该集群包含一篇学术论文,详细介绍了LLM的新评估框架和训练方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Fact-Ablated Evaluation (FAE)
- Hugging Face
- Large Language Models (LLMs)
- REAL (Rigorous Evidence Ablation Learning)
- alphaXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →