arXiv · cs.CL· Yang Liu·· 1 天前AI 评分26
Source-balanced Capped Fisher：面向语言模型用户推断的有界证据聚合方法
Source-balanced Capped Fisher: Bounded Evidence Aggregation for User Inference in Language Models
来源与原文
arXiv · cs.CL
作者：Yang Liu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07228v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 source-balanced capped Fisher（SCF），一种用于语言模型用户推断的证据聚合方法：借助已知未参与来源评估每条文档分数的异常程度，将参考尾频率转为负对数证据并对单条贡献设上限，再在来源内取平均。SCF 在四个真实数据集、四个领域上取得所评估聚合方法中最高的 AUROC，配合基于校准的 p 值判定规则可在来源可交换假设下实现有限样本 Type-I 错误控制，多数设置下检测功效最高且经验假阳性率接近或低于名义水平。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。