专治 AI 大模型对错误答案“过于自信”，麻省理工学院提出新型高效低耗校准方法

图片地址：https://img.ithome.com/newsuploadfiles/2024/7/cfcda870-06a4-4068-9698-4d4bb1ed5cc1.jpg

IT之家 7 月 31 日消息，人们正在越来越多地使用大模型完成各种任务，不论是翻译、总结文章还是识别金融诈骗，大模型都是“无所不包”。尽管这些模型都具有“惊人”能力，但它们偶尔也会生成错误答案，并对错误答案过于自信、对正确答案信心不足，使用户对大模型是否值得信任表示怀疑。据 MIT NEWS 今日报道，麻省理工学院（MIT）和 MIT-IBM Watson AI Lab 的研究人员提出了一种专为大型语言模型量身定制的校准方法。他们的方法被称为“温度计”，其原理是在大语言模型之上构建一个较小的辅助模型来对其进行校准。图源 Pexels据悉，这种被叫作“温度计”的方法所需的计算能力更少，但同时又能保持模型的准确性，并使其能够在未曾遇到过的任务中做出更好的校准响应。通过针对各种任务对大语言模型进行高效校准，“温度计”可以帮助用户找出模型对错误预测过于自信的情况，最终防止用户在可能失败的情况下部署该模型。有关论文的第一作者、麻省理工学