跳到正文
热点事件持续更新

提出RADAR框架分离LLM置信度修复、采纳与审计

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Arijit Dey、Bhartendu Kumar 等作者在 arXiv 发表论文，提出 RADAR（Repair, Adopt, and Diagnose After Recalibration）可靠性框架，把大语言模型置信度的修复、是否采纳修复方案的决策和剩余错误审计分开处理。 修复环节采用 PAIC（Probe-Anchored Isotonic Calibration），从无标注目标提示上的正确性探针预测学习一个单调映射。采纳环节用配对下注检验：在 47,400 次重放的原始分数分配中，配对下注在 42.95% 的分配中采纳了留出测试风险更低的候选，而单侧 empirical Bernstein 检验为 15.09%。作者称代码和数据将在论文被接收后发布。

AI 根据报道生成 · 4 小时前更新

最新进展10月16日 12:00
RADAR框架修复并审计大语言模型置信度

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv · cs.AI
    RADAR框架修复并审计大语言模型置信度

    作者提出RADAR（Repair, Adopt, and Diagnose After Recalibration）可靠性框架，将大语言模型置信度修复、修复方案采纳和剩余错误审计分开处理。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月16日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。