研究人员开发了一种新的无需训练的程序,称为接受或修复(AoR),以改进大型语言模型(LLMs)处理提供段落中信息的方式,尤其是在信息与其内部知识相矛盾时。AoR检查采样答案是否得到段落支持;如果不支持,它会尝试使用对比解码进行替换。据报道,该方法在反事实段落上的得分提高了12.5分,在普通段落上提高了2.3分,优于现有基线。 AI
影响 该方法有望提高大型语言模型在处理外部文档时的响应可靠性,从而提高需要事实遵循所提供文本的任务的准确性。
排序理由 该集群描述了在arXiv上发表的一篇学术论文中提出的一种新方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →