提出Argument Graph Uncertainty：从思维链结构估计LLM不确定性

Simon Baur、Sumire Honda、Wojciech Samek和Jackie Ma在arXiv预印本（arXiv:2610.20328）中提出Argument Graph Uncertainty，一个事后（post-hoc）框架，从单条思维链推理的逻辑结构直接估计大语言模型在多项选择题任务上的答案置信度。 据论文称，该方法在GPQA、MMLU-Pro和TruthfulQA上评测，在多个推理模型上始终优于基于token和基于一致性的不确定性基线。框架不需要对被评估模型的额外调用，仅依赖小型高效的辅助模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。