SEMANTIC UNCERTAINTY: LINGUISTIC INVARIANCES FOR UNCERTAINTY ESTIMATION IN NATURAL LANGUAGE GENERATI

本文是LLM系列文章,针对《SEMANTIC UNCERTAINTY: LINGUISTIC INVARIANCES FOR UNCERTAINTY ESTIMATION IN NATURAL LANGUAGE GENERATION》的翻译。

语义不确定性:自然语言生成中不确定性估计的语言不变性

文章主要内容和创新点总结

主要内容

本文针对自然语言生成(NLG)任务中不确定性估计的挑战,提出了一种名为语义熵(Semantic Entropy) 的方法,用于测量大型语言模型的不确定性。核心问题在于:传统方法基于词法概率(如序列似然)评估不确定性,但自然语言中不同句子可能语义等价(如“法国的首都是巴黎”和“巴黎是法国的首都”),导致词法层面的不确定性无法反映真实的语义置信度。

作者通过以下步骤解决该问题:

  1. 生成样本:从语言模型的预测分布中采样多个句子。
  2. 语义聚类:使用双向蕴含算法(基于DeBERTa模型)将语义等价的句子聚类,每个聚类代表一个“语义等价类”。
  3. 熵计算:将同一语义类的句子概率累加,计算语义分布的熵,即语义熵
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