★ 2
研究者提出基于扰动的 LLM 输入歧义检测框架
一篇 arXiv 论文提出「先检测歧义、再消歧」的思路，用保持标签的扰动框架识别 LLM 输入中的歧义。方法包含黑盒规则扰动库与白盒重要性引导两种检测器，在开放域、对话与视觉问答四组数据集上优于输出侧不确定性基线和 LLM 改写扰动基线。研究强调输入歧义是不确定性的上游来源，应先判断是否该直接作答。
arXiv NLP5 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
一篇 arXiv 论文提出「先检测歧义、再消歧」的思路，用保持标签的扰动框架识别 LLM 输入中的歧义。方法包含黑盒规则扰动库与白盒重要性引导两种检测器，在开放域、对话与视觉问答四组数据集上优于输出侧不确定性基线和 LLM 改写扰动基线。研究强调输入歧义是不确定性的上游来源，应先判断是否该直接作答。