研究人员开发了PromptShift-CRC，一种新颖的漂移感知一致性风险控制方法，专为应对提示和领域迁移不断演变的基础模型而设计。该方法通过嵌入提示和响应，根据相关性和时新性动态调整校准示例的权重，并实时更新风险级别，从而解决了静态校准的局限性。在合成和公开基准上的评估表明，PromptShift-CRC在静态方法失效的情况下仍能有效控制风险，尤其是在问答和摘要事实性等应用中。 AI
影响 增强了基础模型在动态、真实世界部署场景中的可靠性。
排序理由 该集群包含一篇详细介绍基础模型新方法的学术论文。
- arXiv
- Conformal prediction
- Conformal Risk Control
- foundation model
- long-context hallucination risk
- PromptShift-CRC
- Question Answering
- summarization factuality
- toxicity
- alphaXiv
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
