A Survey of Large Language Models Attribution

828 篇文章

已下架不支持订阅

本文深入探讨了大型语言模型的归因机制,旨在提高开放域生成系统响应的可靠性和准确性。研究了归因的来源、数据集、方法及评估,并分析了错误、局限性和未来挑战。重点在于改进归因,以确保内容的准确性和可信度。

本文是LLM系列文章,针对《A Survey of Large Language Models Attribution》的翻译。

摘要

开放域生成系统在会话人工智能领域(例如,生成搜索引擎)获得了极大的关注。本文全面回顾了这些系统所采用的归因机制,特别是大型语言模型。尽管归因或引用提高了事实性和可验证性,但模糊的知识库、固有的偏见和过度归因的缺点等问题可能会阻碍这些系统的有效性。这项调查的目的是为研究人员提供有价值的见解,帮助改进归因方法,以提高开放领域生成系统生成的响应的可靠性和准确性。我们认为,这一领域仍处于早期阶段;因此,我们维护了一个存储库来跟踪正在进行的研究https://github.com/hitsz-tmg/awesome-llm-attributions.

1 引言

2 任务定义

3 归因的来源

4 归因数据集

5 归因方法

6 归因评估

7 讨论

7.1 归因错误分析

7.2 归因的局限性

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值