研究人员开发了S-EDL，一种旨在改进大型语言模型（LLM）在开放式生成任务中语义校准的新方法。与以往专注于固定选择场景的技术不同，S-EDL直接从模型的序列似然中提取自我证据。这种方法在特定于提示的语义类别上构建了一个可微分的Dirichlet先验，从而实现了可校准的训练信号。在四个基准和三个模型上的评估表明，S-EDL显著降低了语义校准误差，同时提高了准确性，为更值得信赖的大型语言模型（LLM）应用铺平了道路。 AI
影响 通过将生成似然与语义正确性对齐，为在复杂的开放式应用中部署值得信赖的大型语言模型（LLM）建立了框架。
排序理由 该集群包含一篇详细介绍大型语言模型（LLM）校准新方法的学术论文。[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 →
