研究人员开发了一个新框架，用于分析和改进大型语言模型生成的输出的多样性。该框架根据多样性在生成过程中引入的位置对方法进行分类，并引入“传输分数”来衡量其有效性。该研究提出了自动化的规范级生成技术，在生成最终响应之前创建多样化的中间规范，在保持质量的同时，在各种任务和模型中显示出改进的输出多样性。 AI
影响 提供了一种改进LLM输出多样性的结构化方法，可能带来更有用和更具创造性的应用。
排序理由 该集群包含一篇学术论文，详细介绍了改进LLM输出多样性的新框架和方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.10302v1 Announce Type: new Abstract: Open-ended generation tasks often require a set of meaningfully different outputs, yet large language models often produce similar generations. Existing test-time diversity methods operate at different stages of generation with vary…
Open-ended generation tasks often require a set of meaningfully different outputs, yet large language models often produce similar generations. Existing test-time diversity methods operate at different stages of generation with varying effectiveness, but it remains unclear what d…