研究：LLM行为与知识分布不一致，提出组合方法
热点事件持续更新
研究：LLM行为与知识分布不一致，提出组合方法
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
Yang Liu、Masahiro Kaneko、Chenhui Chu 提出一种可学习的分布组合方法，用于平衡大语言模型的行为分布与知识分布。该方法让输出跟随行为分布的最可能答案，同时保留知识分布的形状，并用一个超参数权衡行为保真度与分布质量。 研究称，在三个大语言模型上，World Values Survey 问题中平均有 37% 的情况下，模型言语化分布下的最可能答案与对数概率分布下的最可能答案不一致，即模型说出的答案与其概率分布所反映的知识并不匹配。
AI 根据报道生成 · 50 分钟前更新
最新进展10月21日 12:00
说 vs. 知：平衡大语言模型的行为分布与知识分布报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CL说 vs. 知：平衡大语言模型的行为分布与知识分布
研究发现，在三个 LLM 上平均有 37% 的 World Values Survey 问题中，模型言语化分布下的最可能答案与对数概率分布下的最可能答案不一致，说明 LLM 的知识与行为并不匹配。
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。