跳到正文
热点事件持续更新

Jungseob Lee等提出免训练AoR方法以抑制对比解码幻觉

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Jungseob Lee等团队在arXiv发布最新研究,提出名为Accept-or-Repair(AoR)的方法。该方法针对对比解码中模型容易受段落误导产生幻觉的问题,采用免训练过程处理。其核心机制是通过对比段落中支持答案的内容与不确定的替代方案,使模型在跟随与自身知识相悖的段落时依然能保留常规准确率。 实验结果显示,AoR方法在基准测试中表现显著。具体数据表明,在反事实段落上,该方法的采样准确率提高了12.5个百分点;在普通段落上,准确率也提升了2.3个百分点。对比来看,AoR方法超越了8个现有基线,证实了其在消除准确率与幻觉权衡方面的有效性。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月22日
  1. arXiv · NLP
    Accept-or-Repair (AoR):一种无训练过程,用于在对比解码中保留段落支持答案的方法

    AoR 提出一种无训练过程,通过对比段落支持与不确定的替代方案,在对比解码中解决模型幻觉。 该方法在反事实段落上将采样准确率提高 12.5 个百分点,在普通段落上提高 2.3 个百分点,超越了 8 个基线。 该结果表明模型可以在保留常规段落准确率的同时,跟随与模型知识相悖的段落。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 17:00
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。