Hiệu chỉnh độ tin cậy trong các mô hình ngôn ngữ lớn

Khoa học Máy tính > Trí tuệ Nhân tạo arXiv:2605.23909 (cs) [Đệ trình ngày 3/4/2026] Tiêu đề: Hiệu chỉnh độ tin cậy trong các mô hình ngôn ngữ lớn Tác giả: Noam Michael, Daniel BenShushan, Jacob Bien, Don A. Moore Xem bản PDF của bài báo có tiêu đề Hiệu chỉnh độ tin cậy trong các mô hình ngôn ngữ lớn, của Noam Michael và 3 tác giả khác Xem PDF HTML (thử nghiệm) Tóm tắt: Chúng tôi nghiên cứu việc hiệu chỉnh độ tin cậy của các mô hình ngôn ngữ lớn (LLM) trên nhiều nhiệm vụ khác nhau. Kết quả từ nghiên cứu đã đăng ký trước của chúng tôi cho thấy rằng các LLM hiện tại, giống như con người, quá tự tin vào sự đúng đắn của mình: độ tin cậy vượt quá độ chính xác, tính trung bình. Tuy nhiên, điều quan trọng là xu hướng này được điều chỉnh bởi một hiệu ứng khó-dễ mạnh mẽ, trong đó sự tự tin thái quá lớn nhất ở các bài kiểm tra khó; ngược lại, các bài kiểm tra dễ lại cho thấy sự tự tin dưới mức đáng kể. Chúng tôi phát triển LifeEval, một bài kiểm tra để đánh giá việc hiệu chỉnh mô hình trên các mức độ khó. Chủ đề: Trí tuệ Nhân tạo (cs.AI); Học máy (cs.LG) Trích dẫn dưới dạng: arXiv:2605.23909 [cs.AI] (hoặc arXiv:2605.23909v1 [cs.AI] cho phiên bản này) https://doi.org/10.48550/arXiv.2605.23909 Tập trung để tìm hiểu thêm DOI do arXiv cấp thông qua DataCite Lịch sử đệ trình Từ: Noam Michael [xem email] [v1] Thứ Sáu, 3/4/2026 19:43:24 UTC (3.200 KB) Liên kết toàn văn: Truy cập bài báo: Xem bản PDF của bài báo có tiêu đề Hiệu chỉnh độ tin cậy trong các mô hình ngôn ngữ lớn, của Noam Michael và 3 tác giả khác Xem PDF HTML (thử nghiệm) Nguồn TeX xem giấy phép Ngữ cảnh duyệt hiện tại: cs.AI < trước | tiếp theo > mới | gần đây | 2026-05 Thay đổi để duyệt theo: cs cs.LG Tài liệu tham khảo & Trích dẫn NASA ADS Google Scholar Semantic Scholar xuất trích dẫn BibTeX Đang tải... Trích dẫn định dạng BibTeX &times; đang tải... Dữ liệu được cung cấp bởi: Đánh dấu Công cụ thư mục Công cụ thư mục và trích dẫn Chuyển đổi trình khám phá thư mục Trình khám phá thư mục (Trình khám phá là gì?) Chuyển đổi bài báo liên quan Bài báo liên quan (Bài báo liên quan là gì?) Chuyển đổi Litmaps Litmaps (Litmaps là gì?) Chuyển đổi scite.ai Trích dẫn thông minh scite (Trích dẫn thông minh là gì?) Mã, Dữ liệu, Phương tiện Mã, Dữ liệu và Phương tiện liên quan đến bài viết này Chuyển đổi alphaXiv alphaXiv (alphaXiv là gì?) Liên kết đến mã nguồn Công cụ tìm mã CatalyzeX cho các bài báo (CatalyzeX là gì?) Chuyển đổi DagsHub DagsHub (DagsHub là gì?) Chuyển đổi GotitPub Gotit.pub (GotitPub là gì?) Chuyển đổi Huggingface Hugging Face (Huggingface là gì?) Chuyển đổi ScienceCast ScienceCast (ScienceCast là gì?) Bản demo Bản demo Chuyển đổi Replicate Replicate (Replicate là gì?) Chuyển đổi Spaces Hugging Face Spaces (Spaces là gì?) Chuyển đổi Spaces TXYZ.AI (TXYZ.AI là gì?) Bài báo liên quan Công cụ đề xuất và tìm kiếm Liên kết đến Influence Flower Influence Flower (Influence Flowers là gì?) Chuyển đổi bộ đề xuất cốt lõi Bộ đề xuất CORE (CORE là gì?) Tác giả Địa điểm Tổ chức Chủ đề Giới thiệu về arXivLabs arXivLabs: các dự án thử nghiệm với sự hợp tác của cộng đồng arXivLabs là một khuôn khổ cho phép các đối tác phát triển và chia sẻ các tính năng arXiv mới trực tiếp trên trang web của chúng tôi. Cả cá nhân và tổ chức làm việc với arXivLabs đều đã chấp nhận và tuân thủ các giá trị của chúng tôi về tính cởi mở, cộng đồng, sự xuất sắc và quyền riêng tư dữ liệu người dùng. arXiv cam kết với những giá trị này và chỉ hợp tác với các đối tác tuân thủ chúng. Bạn có ý tưởng cho một dự án sẽ mang lại giá trị cho cộng đồng arXiv không? Tìm hiểu thêm về arXivLabs. Những tác giả nào của bài báo này là người ủng hộ? | Tắt MathJax (MathJax là gì?)