English(EN) Before and After Temperature: A Distributional View of Creative LLM Generation

新方法通过分析词元分布变化来评估LLM的创造力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种评估大型语言模型创造力的新方法，通过分析采样温度如何重塑词元分布。这种方法在新的arXiv论文中有所详述，其性能显著优于现有的无参考评估指标。该方法能准确预测模型的创造力排名，与困惑度（perplexity）和熵（entropy）等传统测量方法相比有显著改进。 AI

影响引入了一种更准确的评估LLM创造力的方法，可能指导未来的模型开发和评估实践。

排序理由该集群包含一篇学术论文，详细介绍了一种评估LLM创造力的新方法。 [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 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · V. S. Raghu Parupudi, Harsha Ponnada, Aditi Kaushal, S. Shria Parupudi, Saiteja Dasari, Sahiti Bulusu · 2026-06-02 04:00

Before and After Temperature: A Distributional View of Creative LLM Generation

arXiv:2606.01451v1 Announce Type: new Abstract: Reference-free evaluation of large language model (LLM) creativity relies on perplexity, entropy, and top-1 margin. We show that a much stronger signal lives one step earlier in the pipeline: in how sampling temperature \emph{reshap…