提出 Neighborhood Elites 问答不确定性量化方法
热点事件持续更新
提出 Neighborhood Elites 问答不确定性量化方法
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Mesut Ceylan 等研究者在 arXiv 提交论文，提出 neighborhood elites（NE）方法：将输入扰动重构为质量多样性搜索，沿编辑类型和上下文支持明确性两个维度铺开保持答案的改写，用于问答任务的不确定性量化。 在 5 个抽取式问答数据集和 5 个指令微调 LLM 上，NE 在 25 个数据集-模型组合中至少 24 个优于其他三种构造器，AUROC 达 0.726，较基准率提升 0.211 AUPRC；相比基于解码器样本的 semantic entropy，AUROC 提升 0.074、AUPRC 提升 0.062。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 23:32
Neighborhood Elites：面向问答不确定性量化的质量多样性搜索方法报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.CLNeighborhood Elites：面向问答不确定性量化的质量多样性搜索方法
研究者提出 neighborhood elites（NE），一种将输入扰动重构为质量多样性（QD）搜索的邻域构造方法，沿编辑类型和上下文支持明确性两个维度铺开保持答案的改写，用于问答任务的不确定性量化。在 5 个抽取式问答数据集和 5 个指令微调 LLM 上，NE 在 25 个数据集-模型组合中至少 24 个优于其他三种构造器，AUROC 达 0.726，较基准率提升 0.211 AUPRC；相比基于解码器样本的 semantic entropy，AUROC 提升 0.074、AUPRC 提升 0.062。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。