跳到正文
热点事件持续更新

LLM 验证为具备置信度感知的零样本分类器

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

2026 年 11 月 20 日,arXiv 发布论文验证大语言模型在零样本分类任务中的置信度评估能力。研究覆盖 11 个开源模型及 5 个数据集,结果显示基于 logit 的方法 AUROC 达 0.74-0.77,显著优于黑盒方法的 0.57-0.66。 论文指出,决策仅评分机制在最大标签集上将解码步骤减少 88-96%。其中 Gemma 4 31B 和 Qwen 3.5 9B 的最佳配置性能可媲美商业模型 Jev 1.13.0,证实 LLM 已是具备置信度感知的零样本分类器。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    LLMs 已是具备置信度感知的零样本分类器

    11 个开源 LLM 在 5 个数据集上验证了置信度评估能力,基于 logit 的方法 AUROC 达 0.74-0.77,优于黑盒方法的 0.57-0.66。 决策仅评分(decision-only scoring)在最大标签集上将解码步骤减少 88-96%。最佳配置 Gemma 4 31B 和 Qwen 3.5 9B 的性能可媲美商业模型 Jev 1.13.0。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
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。