研究提出机制不确定性度量与因果鲁棒性边际
热点事件持续更新
研究提出机制不确定性度量与因果鲁棒性边际
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Aneesh Komanduri 等作者提出“机制不确定性”概念和“因果鲁棒性边际”度量,用 Jacobian Lens(Jlens)概念引导向量量化模型输出偏离所需的最小内部干预,以此衡量模型回答所依赖内部机制的稳定性。 在三个开源模型和五个问答数据集上,错误与不确定回答的边际更小,即对内部干预更敏感;作者称该指标可补充传统基于输出的不确定性方法。知识注入实验中,正确习得的事实训练后边际上升,作者据此认为因果鲁棒性可作为有机制依据的不确定性信号。
AI 根据报道生成 · 59 分钟前更新
最新进展10月19日 12:00
通过因果鲁棒性度量大语言模型的机制不确定性报道时间线
沿着报道,了解事件的不同侧面。
10月19日
- arXiv cs.CL通过因果鲁棒性度量大语言模型的机制不确定性
研究提出“机制不确定性”概念与“因果鲁棒性边际”,用 Jacobian Lens(Jlens)概念引导向量量化模型输出偏离所需的最小内部干预。在三个开源模型和五个问答数据集上,错误与不确定回答的边际更小,说明其对内部干预更敏感,且该指标可补充传统基于输出的不确定性方法。知识注入实验中,正确习得的事实训练后边际上升,表明因果鲁棒性可作为有机制依据的不确定性信号。
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。