提出Emb-SE：基于K-Medoids的LLM不确定性估计方法

2026年11月4日，研究团队在arXiv（cs.lg）发布论文，正式提出Embedding Semantic Entropy（Emb-SE）方法。该方法旨在解决大语言模型不确定性估计问题，通过用K-Medoids算法替代传统的基于自然语言推理（NLI）的语义聚类，在语义嵌入空间中实现更高效的计算。 Emb-SE的核心机制利用动态簇选择策略，同时考虑簇内紧凑度与簇间分离度，从而精确评估语义不确定性。该方法摆脱了对高成本NLI模型的依赖，实现了无NLI依赖的语义不确定性估计，提升了方法的通用性与效率。 在性能评估方面，团队在TriviaQA等5个数据集上验证了该方法的有效性。结果显示，Emb-SE在AUROC和AUARC等关键指标上取得了具有竞争力的表现，证实了基于嵌入空间聚类在不确定性量化任务上的可行性与优势。

AI 根据报道生成 · 2 小时前更新