无标签EM从语言模型集成答案配置估计专家可靠性
热点事件持续更新
无标签EM从语言模型集成答案配置估计专家可靠性
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
Alessandro Rozza 等在 arXiv（2610.21085）提出一种无标签可靠性估计方法：把语言模型集成视为陪审团，用 EM 算法仅从无标签的答案配置中估计各专家的可靠性，无需标注数据。 基于论文摘要：在 1560 题基准上，九个专家模型规模最高达 3B 时，该方法的准确率与同一融合规则使用标签拟合权重的监督版本相当，并无统计显著优势；但它优于匹配自一致性的最佳单模型以及最强的无标签替代方案。
AI 根据报道生成 · 4 小时前更新
最新进展10月16日 12:00
语言模型集成采用无标签EM估计专家可靠性报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AI语言模型集成采用无标签EM估计专家可靠性
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。
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
- –
02.557.510
13:0014:0015:0016:0017:00
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。