PulseAugur
中
实时 16:49:42
实体 Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs

Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs

PulseAugur coverage of Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs — every cluster mentioning Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_149236 ·

    大型语言模型不确定性量化：黑盒与白盒方法对比

    研究人员正在探索让大型语言模型（LLMs）量化自身不确定性的方法，这对于主动学习和安全分类等应用至关重要。当前的方法分为“白盒”方法，分析内部模型状态但需要访问模型权重；以及“黑盒”方法，依赖于可观察的输出，如 token 及其概率。最近的一项比较评估了八种黑盒技术与一种白盒方法，以确定 LLM 置信度估计的最有效方法。