实体
Chains of thought
Chains of thought
PulseAugur coverage of Chains of thought — every cluster mentioning Chains of thought across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新框架通过神经符号验证诊断大语言模型推理错误
研究人员开发了 SymDiag，一个新颖的神经符号框架，用于诊断大语言模型 (LLM) 推理中的失败。与关注结果或主观批评的现有方法不同，SymDiag 将自然语言的思维链转化为符号约束，进行逐级验证。它可以精确定位具体的推理错误，并提供可验证的证据，例如反例或缺失的前提。一项关键创新是其“自我审计器”，它区分真正的推理缺陷和神经到符号翻译产生的噪声，从而能够提供更强大、更有效的反馈来改进 LLM 推理。
-
新基准揭示LLM忠实度指标存在重大缺陷
一个名为BonaFide的新基准已被开发出来，用于评估用于评估大型语言模型推理的忠实度指标。该基准包含13个任务和10个模型的3,066个标记的思维链，揭示大多数现有的忠实度指标表现不佳，通常接近随机水平。这些指标还表现出偏差，并随着思维链的增长而退化，凸显了当前评估方法中的重大差距，以及对更可靠、更有效的替代方案的需求。