实体
Kalai et al.
Kalai et al.
PulseAugur coverage of Kalai et al. — every cluster mentioning Kalai et al. across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究探讨 RAG 的可靠性、效用和幻觉风险 · 追踪 8 个来源
近期研究探讨了检索增强生成 (RAG) 系统的细微差别，重点关注提高其可靠性和效用。一篇论文详细介绍了一个用于 LLMs4OL 2026 挑战的系统，该系统使用 Qwen2.5-14B-Instruct 进行检索增强的少样本提示，在本体学习任务上取得了优异的成绩，但突出了关系提取方面的局限性。另一项研究调查了证据感知检索评估（优先考虑支持生成的段落）是否能真正提高下游效用，发现结果好坏参半，并建议应根据具体用例定制评估方法。进一步的研…
-
大型语言模型“幻觉”是三种不同的错误，而非一种
大型语言模型（LLM）中的“幻觉”一词被用来描述三种不同的问题，导致解决方案的开发陷入混乱。第一种类型涉及事实不准确，可以通过提供缺失的上下文来纠正模型，这是思维链提示等技术所解决的问题。第二种类型是模型输出模仿理解但缺乏真正的理解，这很难验证。第三种类型涉及对未来事件的预测，由于必要的上下文尚不存在，因此无法给出准确的响应。研究表明，当前的大型语言模型基准无意中奖励了自信的猜测而非诚实，从而加剧了幻觉问题。