★ 3
表征签名自适应迁移提升 LLM 幻觉与推理错误检测
研究者提出跨领域迁移表征签名的统计框架，先提取各领域低维签名，再用交叉拟合学习领域预测器的组合权重。实验显示，新领域仅需 25 条标注问题，幻觉检测 AUROC 提升 6.8%，推理步骤预测提升 8.4%。该方法缓解了质量检测器对领域标注数据的依赖。
arXiv NLP6 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出跨领域迁移表征签名的统计框架，先提取各领域低维签名，再用交叉拟合学习领域预测器的组合权重。实验显示，新领域仅需 25 条标注问题，幻觉检测 AUROC 提升 6.8%，推理步骤预测提升 8.4%。该方法缓解了质量检测器对领域标注数据的依赖。