arXiv · NLP· Chengguang Gan, Yunhao Liang, Hanjun Wei, QingHao Zhang, Shiwen Ni·· 7 天前AI 评分38
LLM 可信性能受限实证研究:CapLadder 基准与 LoRA 调节
Can We Make an LLM Dumber, or Is It Just Playing Dumb? An Empirical Study of Believable Performance Throttling
AI 导读
研究提出 CapLadder 基准(1,985 题)实证 LLM 性能受限,弱教师 LoRA 调节实现 1.9 分校准误差的推理精度控制。 多选题中该调节导致 97% 新错误集中于单一字母,且 Logit 干预仅能恢复 52-59% 准确率。 结果表明精准分数控制不等于可迁移的可信能力降级。
来源:arXiv · NLP · arxiv.org