CoCHI：干预因果头纠正LLM过度自信

Jing Ren等作者提出 CoCHI（Class-oriented Causal Head Intervention）框架，通过识别并干预模型内部导致不同置信行为的组件来改善校准，称其能减少过度自信错误，同时保留正确预测。 该研究针对的是大语言模型在给出错误答案时仍表现高置信度的问题。作者称，CoCHI 的做法是定位与不同置信行为相关的内部组件并施加干预，而非只调整输出层。上述效果来自作者自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。