热点事件持续更新
研究者提出免训练大模型自评估方法Circe
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究者在arXiv提出了一种名为Circe的免训练大语言模型（LLM）自我评估方法。该方法无需参考答案或进行重复采样，而是通过结合内部计算与外部输出信号来评估回答的正确性。在技术实现上，Circe融合了浅层注意力与深层FFN的组件交互一致性（CIC）、表征几何（RG）以及token似然置信度（LC）。评测结果表明，在5个LLM和4个领域的6个基准测试中，Circe区分正误回答的效果均超越了现有基准，并可进一步推广适用于多语言和多模态场景。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究者提出免训练自评估方法Circe，在多基准测试中效果超越现有基准。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 人工智能Circe：基于组件交互一致性的免训练 LLM 自我评估
研究提出免训练 LLM 自我评估方法 Circe，无需参考答案或重复采样，通过结合内部计算与外部输出信号评估回答正确性。该方法融合浅层注意力与深层 FFN 的组件交互一致性（CIC）、表征几何（RG）及 token 似然置信度（LC）。在 5 个 LLM 和 4 个领域的 6 个基准测试中，其区分正误回答的效果超越现有基准，并适用于多语言与多模态场景。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
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。