Behzad Shayegh

新研究发现大型语言模型难以处理上下文确定性问题

arXiv上的一篇新研究论文探讨了大型语言模型（LLMs）在根据检索信息的确定性调整其响应方面的局限性。该研究评估了八个大型语言模型，发现当面对不确定或复杂的上下文时，这些模型难以调整其输出，常常无法重现先前的响应或歪曲答案。为解决此问题，研究人员提出了一种涉及先前提醒、上下文确定性重新校准和上下文简化的交互策略，该策略据称在不改变模型权重的情况下，将服从性错误平均降低了25%。