Jul, 2024
基于定向蕴涵图和主张级响应增强的LLM不确定性量化
LLM Uncertainty Quantification through Directional Entailment Graph and
Claim Level Response Augmentation
TL;DR该论文提出了一种评估大型语言模型不确定性的新方法,通过构建由蕴含概率组成的方向图,并创新地进行随机行走拉普拉斯过程以捕捉方向不稳定性,然后通过拉普拉斯过程得到的特征值来聚合不确定性。此外,该论文识别了原始回应集中的模糊问题,并提出了一种补充方法以缓解此问题,我们进行了大量实证实验并证明了我们提出的解决方案的优越性。