一篇新论文引入了“推理时模型偏移”的概念,用以描述语言模型推理配置的变化如何影响保形预测(CP)的性能。研究人员认为,标准的CP评估协议(假设校准和部署之间配置一致)是不够的。他们对八个语言模型和多个基准的分析表明,匹配的评估可能会高估部署时的覆盖率,其影响因模型和数据集而异。该研究主张在语言模型系统的CP评估中,将推理配置作为关键因素进行报告。 AI
影响 强调了评估语言模型可靠性方面的一个关键缺陷,可能影响已部署系统中安全性和不确定性的衡量方式。
排序理由 关于评估语言模型性能的新概念的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Conformal prediction
- Hugging Face
- Inference-Time Model Shift
- Language Models
- split-conformal exchangeability
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →