实体 TGS-Bench

TGS-Bench

PulseAugur coverage of TGS-Bench — every cluster mentioning TGS-Bench 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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_259148 · Sep 17 · 04:00

新研究质疑VLM置信度校准，提出新的评估指标

一篇新发表在arXiv上的研究论文《校准置信度的幻象》（The Mirage of Calibrated Confidence）揭示，视觉语言模型（VLM）通常会报告其答案的高置信度，而这与其遵循的推理过程无关。研究发现，口头置信度在很大程度上独立于模型的内部轨迹，这意味着它不能准确反映其步骤的正确性。为解决此问题，研究人员提出了一种名为轨迹基础评分（Trajectory-Grounding Score, TGS）的新评估指标，以及一…