ASPIRE
["提高问答系统的可靠性","减少语言模型在关键决策中的不确定性"]
总访问量: 14,076
占比最多地区: DE(17.61%)
288
简介
ASPIRE是一个设计精良的框架,用于增强大型语言模型的选择性预测能力。它通过参数高效的微调训练LLM进行自我评估,使其能够针对生成的答案输出置信度分数。实验结果表明,ASPIRE在各种问答数据集上明显优于目前的选择性预测方法。
截图
产品特色
进行任务特定调参改进模型性能
生成可能的候选答案
学习自我评估以区分正确与错误的答案
流量来源
直接访问46.11%外链引荐39.22%邮件0.13%
自然搜索9.66%社交媒体4.20%展示广告0.51%
最新流量情况
月访问量
7154
平均访问时长
24.15
每次访问页数
1.16
跳出率
88.05%
总流量趋势图
地理流量分布情况
德国
17.61%
巴基斯坦
13.57%
哈萨克斯坦
9.52%
英国
8.27%
阿拉伯联合酋长国
7.91%
地理流量分布全球图