Learn-Then-Test

新的SHIFT-JEV系统提高了LLM在数据偏移下的决策能力

研究人员开发了SHIFT-JEV，这是一种旨在帮助大型语言模型（LLMs）在面临分布偏移时保持决策准确性的新程序。该系统监控数据分布的变化，在置信度低时弃权不作决策，并且仅在检测到显著改进时才适应模型。在Qwen3和Phi-4 Mini等模型上进行测试，SHIFT-JEV在偏移条件下显示出校准误差的显著降低，并在持续适应场景下与基线方法相比提高了准确性。