实体 mid-size model

mid-size model

PulseAugur coverage of mid-size model — every cluster mentioning mid-size model across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_228738 · Aug 31 · 10:54

新方法使用模型检查来测试LLM解释

研究人员开发了一种新颖的方法，用于自动测试大型语言模型（LLM）在用于解释顺序决策策略时生成的解释的准确性。该方法利用概率模型检查作为Oracle，以验证LLM生成的解释与底层环境的忠实度。通过根据策略行为构建测试输入并优先处理困难案例，该系统成功地区分了三个开源LLM，其中一个推理模型达到了85%的准确率，一个中型模型达到了70%，而一个1B模型则表现低于随机概率。