研究者提出 LProp 传播 LLM 智能体潜在不确定性
热点事件持续更新
研究者提出 LProp 传播 LLM 智能体潜在不确定性
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
Kaiwen Shi 等作者提出潜在空间估计器 Latent Uncertainty 及基于它的 LProp 方法,让 LLM 智能体在获得新证据时修正继承的答案分布,从而传播潜在不确定性,且无需额外轨迹采样。 在多项选择、是非、开放式问答和数学推理任务上,该方法多数指标优于基线;据作者报告,LProp 在全部八种传播设置中平均推理 token 用量最低。特征消融显示,继承的潜在内容比答案概率或单纯模型容量更能改善错误恢复。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
LProp:让 LLM 智能体通过证据条件信念修正传播潜在不确定性报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AILProp:让 LLM 智能体通过证据条件信念修正传播潜在不确定性
研究者提出潜在空间估计器 Latent Uncertainty 及基于它的 LProp(潜在不确定性传播),利用潜在表示与新证据修正继承的答案分布,无需额外轨迹采样。在多项选择、是非、开放式问答和数学推理任务上,该方法多数指标优于基线,LProp 在全部八种传播设置中平均推理 token 用量最低。特征消融显示,继承的潜在内容比答案概率或单纯模型容量更能改善错误恢复。
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。