★ 2
研究：多语言 P(True) 自评需区分问题、回答与验证语言
论文在六语言因子设计中独立变化问题语言、回答语言与验证指令语言，用 10 个 3B-14B 开源模型在 LSQA、MMMLU、TriviaQA 上测量首 token P(True) 置信度。结果显示三种语言影响评估的不同部分：准确率由哪种语言主导取决于基准，验证语言单独可使校准误差偏移达 0.04…
arXiv NLP7 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文在六语言因子设计中独立变化问题语言、回答语言与验证指令语言，用 10 个 3B-14B 开源模型在 LSQA、MMMLU、TriviaQA 上测量首 token P(True) 置信度。结果显示三种语言影响评估的不同部分：准确率由哪种语言主导取决于基准，验证语言单独可使校准误差偏移达 0.04…