Icsfsurvey
该产品适合研究人员、开发者和对大型语言模型自我评估与自我更新机制感兴趣的专业人士。它为理解和改进LLMs提供了深入的视角和资源。
总访问量: 474,564,576
占比最多地区: US(19.34%)
228
简介
ICSFSurvey是一个关于大型语言模型内部一致性和自我反馈的调查研究。它提供了对LLMs自我评估和自我更新机制的统一视角,包括理论框架、系统分类、评估方法、未来研究方向等。
截图
产品特色
提供内部一致性的理论框架,解释LLMs中的推理缺失和幻觉现象。
自我反馈机制,包括自我评估和自我更新,以增强模型响应或模型本身。
系统化分类研究,根据自我反馈机制的任务和工作线进行分类。
总结评估方法和基准测试,用于评估自我反馈的有效性。
探讨关键观点,如自我反馈是否真的有效,提出假设如内部一致性的沙漏演化等。
概述内部一致性和自我反馈在LLMs中的未来研究方向。
使用教程
访问GitHub页面,了解ICSFSurvey的概览和资源。
阅读README.md文件,获取有关如何使用和贡献资源的指导。
浏览code/、data/、figures/等文件夹,获取实验代码、统计数据和图表。
查看papers/文件夹,获取相关论文的全面列表。
通过提交issue或pull request参与贡献,提出改进建议或添加相关论文。
流量来源
直接访问51.61%外链引荐33.46%邮件0.04%
自然搜索12.58%社交媒体2.19%展示广告0.11%
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图