arXiv · cs.AI· Mohammad Jalali, Azim Ospanov, Amin Gohari, Farzan Farnia·· 5 小时前
Conditional-Vendi：面向生成式AI模型与LLM的提示感知多样性评测
Conditional Vendi Score: Prompt-Aware Diversity Evaluation for Generative AI Models and LLMs
arXiv:2411.02817v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mohammad Jalali, Azim Ospanov, Amin Gohari, Farzan Farnia
研究任务与主要进展
论文提出Conditional-Vendi和Conditional-RKE，用于在提示引导生成中分离模型自身产生的多样性。论文摘要称，两种指标在文本生成图像、图像描述和LLM任务中恢复了真实的多样性排序，其中Conditional-RKE具有O(1/√n)收敛率，Conditional-Vendi则使用截断谱近似获得可扩展且一致的估计；当前仅依据摘要，未说明实验规模和详细基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org