CoSQ框架通过自问机制降低大模型错误率

9月16日周三 01:52论文AI 评分 65/100arXiv cs.AI待复核

AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

Ali Şenol 提出仅靠提示词的 Chain-of-Self-Questioning (CoSQ) 框架，使模型在回答前评估所需信息。在 TruthfulQA 验证集上，Grounded-CoSQ 将无条件错误承诺率从 13.1% 降至 8.9%，相对降幅 32.1%，同时将回答准确率提升至 89.7%，覆盖 87.6% 的问题。该改进在 11 个模型及所有评估阈值下均成立。

为什么值得看

无需训练即可提升模型可靠性，降低幻觉风险。

大模型

信源1 家

[1]arXiv cs.AI一手信源When Should LLMs Abstain? Chain-of-Self-Questioning for Selective Risk Control

关键事实

CoSQ 是一个仅靠提示词的框架，通过显式评估回答问题所需信息来决定是否承诺回答。[1]
在 TruthfulQA 多选验证集上，Grounded-CoSQ 将无条件错误承诺率从 13.1% 降至 8.9%。[1]
该方法将回答准确率从 86.9% 提升至 89.7%，并回答了 87.6% 的问题。[1]
实验涉及 11 个开源及托管模型家族，且改进在所有评估阈值下均成立。[1]

CoSQ框架通过自问机制降低大模型错误率

为什么值得看

信源1 家

关键事实

相关 · 论文

研究探讨将大模型记忆KV Cache转移至CPU

论文提出智能体社会需引入社交约束架构

PhysStream 实现物理感知视频生成

LACE 动态帧率编解码器提升 TTS 效率