跳到正文
热点事件持续更新

研究:推理投入只提升购物Agent置信度

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Adi Krishnamoorthy 与 X. Y. Han 发布研究,在 WebShop、Amazon SQID 和 Wayfair WANDS 三个商品选择基准上测试十个前沿模型,发现提高推理投入并未在统计意义上提升决策质量,却显著提高了模型自报的置信度。 研究还测量了各投入档位下的校准情况,发现多数模型校准不佳。错误也高度共享:一个模型在某任务出错时,其他多个模型往往同样出错,其中不少还选中同一个错误商品。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    研究:推理投入提升 LLM 购物智能体的置信度而非正确率

    研究在 WebShop、Amazon SQID 和 Wayfair WANDS 三个商品选择基准上测试十个前沿模型,发现提高推理投入并未在统计意义上提升决策质量,却显著提高了模型自报的置信度。研究还测量了各投入档位下的校准情况,发现多数模型校准不佳,且错误高度共享:一个模型在某任务出错时,其他多个模型往往同样出错,其中不少还选中同一个错误商品。

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。