研究提出LLM功能性知晓感训练方法
热点事件持续更新
研究提出LLM功能性知晓感训练方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Zichuan Fu 等作者提出“功能性知晓感”（FoK）双通道训练方法，让大语言模型判断自己当前能否回答，使模型对自身知识状态的判断与其回答能力保持一致。据作者表述，该方法包含两个可训练通道：知识通道改变模型的可回答性，FoK 通道判断当前知识状态。 该方法针对的是模型在后训练更新后出现的判断失准：模型能答对问题，却对自身知识状态的判断出现偏差。作者称，这两个通道分别负责改变回答能力与判断知晓感。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
大语言模型中的“知道感”：让模型判断自己能否回答报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI大语言模型中的“知道感”：让模型判断自己能否回答
研究提出用“知道感”（FoK，Feeling of Knowing）对齐大语言模型（LLM，Large Language Model）对自身知识状态的判断，解决后训练更新后模型能答对却判断失准的问题。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。