实体
Hanqi Xiao
Hanqi Xiao
PulseAugur coverage of Hanqi Xiao — every cluster mentioning Hanqi Xiao 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
-
新模型使用历史数据而非自我评估来预测LLM的准确性
研究人员开发了广义正确性模型（GCMs），它们可以通过学习历史预测模式来预测大型语言模型（LLM）的准确性，而不是依赖LLM的自我评估。这些GCMs展示了一种可泛化且与模型无关的LLM置信度估计技能，在不同的数据集和模型家族中表现良好。研究发现，答案措辞是正确性的重要预测因素，并探索了诸如上下文内示例和事后校准等方法来提高预测准确性。
-
新的AI挑战测试LLM的心理理论能力，Gemini3-Pro和GPT-5.4表现不佳
一篇新的研究论文介绍了一个名为“用于引导信念的心理理论”（ToM-SB）的挑战，旨在测试大型语言模型理解和操纵他人信念的能力，类似于心理理论。研究发现，像Gemini3-Pro和GPT-5.4这样的先进模型在此任务上表现不佳，尤其是在攻击者拥有部分先验知识的情况下。为了解决这个问题，研究人员使用强化学习训练了AI双重代理，证明奖励信念操纵和对攻击者心理状态的理解可以显著提高性能。