arXiv · cs.AI· Oktie Hassanzadeh, Dharmashankar Subramanian·· 3 小时前
语义查询处理研究揭示大语言模型运行的行级与答案级方差
Same Query, Different Answer: Run-to-Run Variance in Semantic Query Processing
arXiv:2610.13823v1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：Oktie Hassanzadeh, Dharmashankar Subramanian
研究任务与主要进展
研究者重复执行SemBench、LRO-Bench和UDA-Bench，记录120万次模型调用，发现即使温度为0，五次执行中仍有0.07%至10.2%的行改变算子输出，单个任务最高达24.0%。查询计划可能进一步放大变化：UDA-Bench中少量抽取值变化即可影响约三分之二的答案，SemBench已发表结果中21%的文本结果质量会随执行改变；投票可降低方差但不能消除，当前材料仅基于论文摘要。
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