loss 0.67 是 100% 准,0.71 是 0%,只差 0.04——Meta 这篇论文就是在提醒:别再用似然判断 LLM 答案真假了。 模型学的只是文本里常见的内容,不是真实。训练数据里反复出现的假话会变得很可能,罕见的真事反而被打折。 论文借鉴物理与哲学的做法:让模型从多个视角作答,比如 3 位医学专家,保留大家共同的部分,没有共识就弃答。 二元示例里,loss 0.67 对应 100% 准确率,接近的 0.71 却对应 0%。 所以信一个自信的答案之前,...
🌐 链接: https://x.com/taiyanghere/status/2121846518516687347
🏷️ 分组: X|太阳(taiyanghere)
🕒 时间: 2026-11-15 14:03:26
🌐 链接: https://x.com/taiyanghere/status/2121846518516687347
🏷️ 分组: X|太阳(taiyanghere)
🕒 时间: 2026-11-15 14:03:26