研究人员开发了StaR-TTA,一个旨在提升大型语言模型在经过代理强化学习(RL)训练后的置信度估计的新框架。该方法解决了RL训练后推理轨迹偏移导致的置信度分数下降问题。StaR-TTA利用了这样一个观察结果:即使在RL训练后,更稳定的轨迹也倾向于产生更正确的答案。通过从标记的基础轨迹的正确性和稳定性信号中学习,StaR-TTA将置信度分数自适应到未标记的RL轨迹上,在四个问答基准测试中实现了0.721的平均AUROC。 AI
影响 通过改进强化学习后LLM输出的置信度估计,增强了其可靠性。
排序理由 该集群包含一篇详细介绍LLM置信度估计新方法的论文。[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 →