实体
QA datasets
QA datasets
PulseAugur coverage of QA datasets — every cluster mentioning QA datasets across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
新的强化学习框架CalibraRL解决了RAG中LLM的幻觉问题
研究人员开发了CalibraRL，一个新颖的强化学习框架，旨在减少检索增强生成（RAG）中使用的语言大模型（LLMs）的幻觉。这种新方法将响应置信度和查询特定证据纳入奖励系统，旨在更好地惩罚过于自信的错误答案并阻止不必要的弃权。在问答数据集上的实验表明，CalibraRL提高了答案的准确性，并显著降低了平均预期校准误差，从而提高了LLM在网络搜索等应用中的可靠性。
-
新方法解耦大语言模型在多步分析中的知识交互
研究人员开发了一种新颖的方法来分析大语言模型（LLMs）如何与不同类型的知识进行交互，特别是外部上下文知识（CK）和内部参数知识（PK）。这种新方法利用了秩2投影子空间，与之前常常过度简化这些交互的秩1方法相比，它提供了更细致的理解。研究表明，这种秩2表述可以更好地区分互补和冲突的知识来源，揭示大语言模型生成中的幻觉往往与参数知识高度一致。
-
新框架审计和缓解云边大语言模型协作中的隐私泄露
研究人员开发了一个新框架，用于审计和缓解云边协同解码系统中的隐私泄露。这些系统使用边缘设备上的小型语言模型处理私有数据，并将其预测与云端托管的大型语言模型融合。所提出的名为CoVeil的方法动态优化传输信号，将数据泄露减少高达87.2%，同时保持协同质量，这在构建的问答数据集上得到了证明。