S-EDL

新的S-EDL方法改进了大型语言模型（LLM）在开放式任务中的语义校准

研究人员开发了S-EDL，一种旨在改进大型语言模型（LLM）在开放式生成任务中语义校准的新方法。与以往专注于固定选择场景的技术不同，S-EDL直接从模型的序列似然中提取自我证据。这种方法在特定于提示的语义类别上构建了一个可微分的Dirichlet先验，从而实现了可校准的训练信号。在四个基准和三个模型上的评估表明，S-EDL显著降低了语义校准误差，同时提高了准确性，为更值得信赖的大型语言模型（LLM）应用铺平了道路。