实体
Laban et al.
Laban et al.
PulseAugur coverage of Laban et al. — every cluster mentioning Laban et al. 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
-
第一人称词频并不可靠地追踪LLM的立场维持
一项最新研究探讨了诸如“我认为”或“在我看来”等第一人称短语的频率是否能可靠地指示大型语言模型在压力下是否维持其原始立场。研究通过对Llama-3.1-8B和Qwen2.5-7B模型就12个主题进行多轮提示，收集了超过3000个响应。分析发现，在两个模型之间没有发现一致的简单词频指标能够可靠地追踪立场维持或逆转，尽管其中一个模型在口头立场发生转变但底层提示未变时，倾向于更多地使用“可能”和“或许”等情态动词。
-
大型语言模型在长对话中会因“中间遗忘”效应而失去一致性
大型语言模型在长对话中可能表现出不可靠性，这并非由于记忆丧失，而是因为它们对指令的关注度会随时间减弱。研究表明，虽然模型的核心能力可能只略有下降，但其应用规则的一致性会增加一倍以上。这种被称为“中间遗忘”的现象发生的原因是，模型不会均匀地处理对话上下文，长对话开头部分的指令在对话进行过程中不太可能被持续遵循。