Meta 论文:用跨视角一致性判断 LLM 答案可信度
自动整理 · 基于采集摘要,未逐条核验
本站整理于
事件要点
Meta 新论文提出,用"似然"衡量 LLM 答案真伪是错误标准,应更信任在不同上下文下保持一致的答案。论文认为模型只学到文本中常见的内容而非真实,并借鉴物理与哲学,让模型从多个视角(如 3 位医学专家)作答、保留共同部分,无共识则弃答。论文未做实验,仅用示例论证:二元示例中 loss 0.67 对应 100% 准确率,而接近的 0.71 对应 0%。
相关背景
准确率是什么:全部判断中正确的比例,别与精确率混用
分类中的准确率是全部样本中判断正确的比例,计算时既包含正类也包含负类。它与精确率 precision 不同,后者关注预测为正的结果里有多少真的为正。准确率必须有明确参考和样本范围,高比例可能掩盖少数重要类别全部漏掉;模型生成任务还需要定义怎样才算正确,不能把格式通过直接计为事实正确。
阅读说明
事件要点来自采集摘要;相关背景引用本站已有资料,帮助理解术语,不作为本次事件的新事实。产品效果、适用条件及后续变化请查看原始资料。
原文来源
来源与采集进展
| 来源 | 报道标题 | 原文发布时间 | 本站收录时间 |
|---|---|---|---|
| x.com | Meta 论文:用跨视角一致性判断 LLM 答案可信度 | 2026-11-15 05:23 | 2026-11-15 05:57 |