研究者提出StaR-TTA无标签置信度适配框架
热点事件持续更新
研究者提出StaR-TTA无标签置信度适配框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Zhenzhen Ren等作者提出StaR-TTA框架，用于在测试时无标签地调整大语言模型的置信度分数。 该研究针对Agentic RL导致基于轨迹的置信度估计器显著退化的问题，发现“轨迹越稳定越可能答对”这一结构在Base模型与RL模型中均保留，据此在测试时复用无标签RL轨迹的稳定性排序来调整置信度。作者称这是稳定性引导的无标签测试时置信度适配框架。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
StaR-TTA：面向 Agentic RL 轨迹偏移的无标签测试时置信度自适应报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIStaR-TTA：面向 Agentic RL 轨迹偏移的无标签测试时置信度自适应
针对 Agentic RL 导致基于轨迹的 LLM 置信度估计器显著退化的问题，研究者提出 StaR-TTA 框架，利用“轨迹越稳定越可能答对”这一在 Base 与 RL 模型中均保留的可靠性结构，在测试时复用无标签 RL 轨迹的稳定性排序来调整置信度分数。
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。