arXiv · cs.AI· Alessandro Rozza, Davide Mambelli, Steven Motta, Juri Taresch·· 6 小时前
语言模型集成采用无标签EM估计专家可靠性
A Jury, Not an Electorate: Label-Free Reliability Estimation for Ensembles of Language Models
arXiv:2610.21085v1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：Alessandro Rozza, Davide Mambelli, Steven Motta, Juri Taresch
研究任务与主要进展
研究者提出一种无标签可靠性估计方法，将语言模型集成视为陪审团，并通过EM从专家答案配置中估计未知可靠性。基于论文摘要，在1560题基准上，九个专家模型规模最高达3B，该方法的表现与使用标签拟合权重的融合规则相当，相比监督没有统计显著优势；但它优于匹配自一致性的最佳单模型和最强无标签替代方案。
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