★ 2
研究揭示 LLM 对话中内外一致性差异：先表态后内部才转变
论文研究两个 LLM 就主观话题多轮对话时如何趋同，用线性分类器在单条对话激活中识别出「一致」的内部表征，发现其与外部一致在单对话层面并不可靠。跨对话聚合后，外部一致可用马尔可夫过程预测，内部表征则通过幂律映射与之耦合；模型在立场转变后先外部表达一致，内部表征随后才跟上。
arXiv NLP11 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究两个 LLM 就主观话题多轮对话时如何趋同，用线性分类器在单条对话激活中识别出「一致」的内部表征，发现其与外部一致在单对话层面并不可靠。跨对话聚合后，外部一致可用马尔可夫过程预测，内部表征则通过幂律映射与之耦合；模型在立场转变后先外部表达一致，内部表征随后才跟上。
论文研究马尔可夫过程轨迹之间的传输问题，提出基于流匹配的算法学习源到目标轨迹分布的传输映射，同时保持马尔可夫结构。作者证明其在总体极限下的一致性，并在混合时间假设下推导有限样本误差界，同时给出下界证明混合时间相关的样本复杂度不可避免。在 THINGS-EEG2 脑电图像检索任务上，该方法将 top…