研究提出基于因果鲁棒性度量大模型机理不确定性方法

2026年10月19日，arXiv发布的研究提出了一种通过因果鲁棒性裕度度量大语言模型机理不确定性的新方法。该方法以使模型输出发生偏离所需的最小内部干预来刻画不确定性，并依托Jacobian Lens概念引导向量实现。在3个开源模型和5个问答数据集上的实验结果表明，错误和不确定的回答具有更小的裕度，且对内部干预更为敏感。此外在知识注入实验中，正确学习的事实在训练后裕度有所增加，该方法能够有效补充传统的基于输出的不确定性量化方法。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。