研究人员推出了一种新颖的动态基准LEAF,旨在严格评估大型语言模型(LLM)的预测能力。LEAF通过采用递归检索代理系统和双代理交叉验证,解决了数据污染和未来信息泄露等问题。领域专家进行的审计显示,LEAF显著减少了未来信息泄露,并且对16个前沿LLM的评估证明了它们在利用已验证事件来改进趋势和事件预测方面的有效性。 AI
影响 为评估LLM预测能力建立了新标准,有望提高模型在时间序列和事件预测方面的准确性和可靠性。
排序理由 该集群描述了一篇介绍用于评估LLM的新颖基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- large-language models
- LEAF
- Mingtian Tan
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →