研究人员开发了一种用于二元任务选择性分类的新方法，该方法特别适用于执行上下文学习的大型语言模型（LLM）。该技术涉及向同一模型提出额外的成对查询，以识别高错误样本，从而减少非拒绝数据点的预测错误。通过在合成和真实数据集上进行的实验证明，与仅依赖原始置信度估计相比，该方法旨在改善准确性-成本权衡。 AI
影响 通过改进置信度估计和减少不确定预测的错误，增强了 LLM 在分类任务中的可靠性。
排序理由 该集群包含一篇详细介绍选择性分类新方法的学术论文。[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 →