研究人员开发了一个新的框架,用于估计由多个大型语言模型(LLMs)进行的评估中的不确定性。该方法利用共形预测从各种LLM裁判那里生成预测区间,旨在提供比单一裁判方法更稳定、更可靠的不确定性估计。实验表明,这种多智能体策略产生了具有覆盖保证的有效预测区间,从而实现了更一致的评估结果。 AI
影响 提供了一种更可靠的方法来评估LLM的输出,这对于需要对AI生成内容有高置信度的应用至关重要。
排序理由 学术论文,详细介绍了一种新的LLM评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →