热点事件持续更新

SemViews论文提出认证语义过滤器以复用LLM标签省oracle调用

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Oktie Hassanzadeh 与 Dharmashankar Subramanian 发布论文 SemViews，提出一种认证语义过滤器：先用不消耗 oracle 调用的信号（历史查询留下的标签语义视图、本地嵌入、辅助模型分数）对元组排序，再以新鲜分层 oracle 样本认证结果满足用户给定的精确率和召回率目标（概率至少 1−δ）。作者称即使语义视图过时或误导，代价只是多花 oracle 调用，不会损失准确性。基于论文摘要，作者在 4 个工作负载、对 725,000 条已记录 oracle 标签的回放中报告：99.63% 的查询同时达到精确率和召回率目标，并节省 28%–45% 的 oracle 调用；问题换一种表述后调用还可进一步减少 27%–36%，相关查询达标率至少为 99.8%。以上为作者报告的回放实验结果，非独立验证。

AI 根据报道生成 · 2 小时前更新

最新进展10月12日 12:00

SemViews：认证复用LLM标签的语义过滤器

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv · cs.AI
SemViews：认证复用LLM标签的语义过滤器
SemViews提出一种认证语义过滤器，通过复用历史标签、本地嵌入和辅助模型信号，并用新鲜分层oracle样本认证结果。基于论文摘要，作者在4个工作负载、725,000条记录的oracle标签回放中报告，99.63%的查询同时达到精确率和召回率目标，并节省28%–45%的oracle调用；问题换一种表述后，调用还可进一步减少27%–36%，相关查询达标率至少为99.8%。

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。