一种名为 Multirun 的新方法允许通过在同一任务上并行运行多个独立的大型语言模型实例来评估它们。这种由 Denis Kubilyov 开发的方法使用隔离的环境,包括通过 Neon 的 API 使用独立的 Git 工作树和 PostgreSQL 分支,以防止运行之间的交叉污染。通过比较这些并行代理的输出来识别共识和差异领域,可以在不需要法官模型或黄金数据集等传统评估基础设施的情况下,深入了解模型的可靠性和不确定性。 AI
影响 通过利用并行运行和差异分析,为评估大型语言模型输出提供了一种更便宜、更具洞察力的方法。
排序理由 该项目描述了一种评估大型语言模型的新方法,这是一种面向开发者的工具。
- Claude Code
- Denis Kubilyov
- Git
- Multirunway Optimization Schedule of Airport Based on Improved Genetic Algorithm by Dynamical Time Window
- Neon
- PostgreSQL
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →