arXiv · NLP· Peter Potash·· 5 小时前AI 评分26
前沿语言模型的概率判断是否遵循总概率定律？
Latent Coherence: Do Frontier Language Models' Probability Judgments Obey the Law of Total Probability?
AI 导读
研究显示前沿语言模型在潜变量推理任务中缺乏概率一致性。GPT-6.1 Sol和Claude Opus 5.5表现最优，平均绝对残差为0.08和0.12 log-odds；Claude Haiku 5.5、Gemini 3.8 Flash及DeepSeek V4-Pro表现出持续的0.27-0.35 log-odds不一致性。一致性残差与错误率呈正相关，可作为无需真值的可靠性指示器。
来源：arXiv · NLP · arxiv.org