★ 3
测试时移除法提升LLM解释忠实度
提出一种测试时方法，通过移除解释中未提及的输入概念并重新查询模型，直接解决解释不完整问题。该方法无需修改模型参数，在多个数据集和模型上提升解释忠实度，增强LLM辅助决策的可靠性。
arXiv cs.AI56 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
提出一种测试时方法，通过移除解释中未提及的输入概念并重新查询模型，直接解决解释不完整问题。该方法无需修改模型参数，在多个数据集和模型上提升解释忠实度，增强LLM辅助决策的可靠性。
论文提出 MINE-SAMPLE-RENDER（MSR），将多样性外化为基于语料的显式采样流程：从真实样本中挖掘可解释类别模式并采样属性配置，再让生成模型仅作为条件渲染器。在天气报告生成、用户模拟、网页设计、文生图与智能体生成 3D 资产等任务上，MSR 提升了与语料分布的对齐度和输出多样性。