arXiv · AI· Shani Goren, Ido Galil, Ran El-Yaniv·· 8 小时前AI 评分25
大语言模型生成中的选择性抽象：在可靠性与信息保留间的权衡
When Should LLMs Be Less Specific? Selective Abstraction for Reliable Long-Form Text Generation
AI 导读
提出了一种名为选择性抽象（SA）的框架，让大语言模型通过降低不确定内容的细节程度来换取更高的可靠性。 该框架采用原子级选择性抽象，将回复分解为原子陈述并用更高置信度的抽象替代，在5个LLM和2个基准测试中表现优于7个基线方法。 在原子移除基线上，该方法的AURC指标最高可提升35.61%，证明降低细节度能增强可靠性同时保留大量信息。
来源：arXiv · AI · arxiv.org