English(EN) Same Query, Different Answer: Run-to-Run Variance in Semantic Query Processing

LLM 查询处理显示显著的运行间方差，影响基准测试

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

一篇新发表在 arXiv 上的论文探讨了语义查询处理中的运行间方差，该过程依赖大型语言模型来评估单个数据行。研究发现，即使在温度为 0 的情况下，也有相当比例的行在多次执行后输出会发生变化，某些任务的方差高达 24.0%。这种不一致性会在查询计划中呈指数级放大，影响答案的整体准确性。研究还强调了当前基准测试方法的不足，并指出许多比较并未在其实际执行中得到确定。 AI

影响凸显了基于 LLM 的查询系统潜在的不可靠性，并呼吁改进基准测试标准。

排序理由发表在 arXiv 上的研究论文，详细介绍了 LLM 查询处理中的方差。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在 arXiv 上的研究论文，详细介绍了 LLM 查询处理中的方差。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Oktie Hassanzadeh, Dharmashankar Subramanian · 2026-10-12 04:00

相同查询，不同答案：语义查询处理中的运行间方差

arXiv:2610.13823v1 Announce Type: cross Abstract: Semantic query engines ask a large language model (LLM) to judge individual rows, and benchmarks compare these engines on the quality of a few executions at temperature 0. We measure how much another execution changes. We re-execu…

本文如何被排名

报道来源 [1]

相同查询，不同答案：语义查询处理中的运行间方差

相关实体

相关话题