研究用统计自洽性检验LLM条件推断
热点事件持续更新
研究用统计自洽性检验LLM条件推断
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
Patrik Wolf 等作者提出用统计自洽性评估大语言模型的条件推断能力:按二叉树递归划分人群,用提示词描述子群体并聚合估计值,发现前沿模型普遍违反全概率定律等基本一致性性质。 研究还报告“宏观谬误”:由更细粒度子群体回答重建的估计,往往比直接的人群级估计更贴近人类参考数据。作者据此称,模型具备相关子群体知识,却未能可靠地将其传播到聚合估计中。该论文已被 NeurIPS 2026 主会接收。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
语言模型中的划分、提示与聚合:统计自一致性研究报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.CL语言模型中的划分、提示与聚合:统计自一致性研究
研究者提出用统计自一致性检验 LLM 的条件推断能力:以二叉树递归划分人群、用提示词描述子群体并聚合估计值,发现前沿模型普遍违反全概率定律等基本一致性性质。研究还发现"宏观谬误"——由更细粒度子群体回答重建的估计往往比直接的人群级估计更贴近人类参考数据,说明模型具备相关子群体知识却未能可靠地传播到聚合估计中。该工作已被 NeurIPS 2026 主会接收。
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。