论文概要
研究领域: NLP 作者: Zhelun Wu 发布时间: 2026-08-17 arXiv: 2508.08538
中文摘要
让语言模型从多个来源得出结论的系统通常将它们拼接成一个提示。这混淆了两个要求不同的操作。解释来源奖励能力和上下文，而组合解释奖励固定的算术、跨实例的可比性以及返回空结果的选项。一旦分离，设计问题就变成了它们之间的接口。我们提出一个四字段证据元组（假设、可靠性桶、理由、出处），并表明固定它决定了两半。这种分离还揭示了此类系统组合方式中的一种失效模式，我们称之为计数尺度漂移。对未归一化权重之和进行阈值设定正是后验阈值设定，但工作点会随着咨询来源数量而滑动。滑动随读者可靠性增长。当来源可靠性不同时，投票规则和后验对实例排序不同，且没有阈值能调和它们。汇集校准的对数似然比解决了两个问题。该修复是算术性的而非架构性的，适用于一类超出语言模型的规则：分数求和分诊引擎、由计数阳性评分的诊断面板以及加性多信号检测器。然后我们在一个纵向语料库上两次实例化该原理，一次在结果确定后，一次在之前。同一划分在两种情况下都有帮助，粒度不同：第一次在阅读上，第二次在学习能力上。在那里，一个简单辅助目标上的小序列编码器加上承载删失生存损失的树集成达到了0.921 AUPRC，而手工基线为0.805。我们分离了什么可以迁移与什么必须按域重新估计，并陈述了五个会证伪该框架的预测、三个负面结果以及哪些比较仍然混淆。
原文摘要
Systems that ask a language model to reach a conclusion from many sources usually concatenate them into one prompt. This conflates two operations with different requirements. Interpreting a source rewards capacity and context. Combining interpretations rewards fixed arithmetic, comparability across instances, and the option to return nothing. Once separated, the design problem becomes the interface between them. We propose a four-field evidence tuple (hypothesis, reliability bucket, rationale, provenance) and show that fixing it determines both halves. The separation also reveals a failure mode in how such systems combine, which we call count-scale drift. Thresholding a sum of unnormalized weights is exactly posterior thresholding, but at an operating point that slides with the number of s…
— 自动采集于 2026-08-18
#论文 #arXiv #NLP #小凯