实体
prompt ensembling
prompt ensembling
PulseAugur coverage of prompt ensembling — every cluster mentioning prompt ensembling 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
-
提示词集成在 LLM 评估中显著优于自洽性
一项比较 LLM 的提示词集成和自洽性方法的研究发现，提示词集成显著优于自洽性。使用五个不同的提示词进行多数投票，在一组算术问题上达到了 21/24 的准确率，而使用单个提示词的五个样本进行自洽性得分仅为 15/24。研究强调，当提示词在不同问题上失败时，提示词集成是有效的，而自洽性通过改变采样噪声，在一定程度之后会收益递减，并且不会引入不同的视角。
-
新的CARPRT方法增强了视觉-语言模型的零样本图像分类能力
研究人员开发了CARPRT，一种用于视觉-语言模型类别感知式零样本提示重加权的新颖方法。与使用单一权重向量处理所有类别的先前方法不同，CARPRT根据特定类别动态调整提示权重。这种特定类别的相关性是通过分析针对该类别预测的图像的图像-文本相似度分数来确定的。在标准基准上的评估表明，CARPRT优于现有的类别无关方法，突显了对提示-类别依赖性建模以改进零样本预测和其他VLM应用的重要性。