SEMANTIC UNCERTAINTY: LINGUISTIC INVARIANCES FOR UNCERTAINTY ESTIMATION

本文是LLM系列文章，针对《SEMANTIC UNCERTAINTY: LINGUISTIC INVARIANCES FOR UNCERTAINTY ESTIMATION IN NATURAL LANGUAGE GENERATION》的翻译。

摘要

我们介绍了一种测量大型语言模型中不确定性的方法。对于问答等任务，了解何时可以信任基础模型的自然语言输出至关重要。我们证明，由于“语义对等”，测量自然语言中的不确定性是具有挑战性的——不同的句子可能意味着同一件事。为了克服这些挑战，我们引入了语义熵——一种融合了共享意义所创造的语言不变性的熵。我们的方法是无监督的，只使用一个模型，不需要对“现成的”语言模型进行修改。在综合消融研究中，我们发现语义熵比可比基线更能预测问答数据集的模型准确性。

1 引言

2 不确定估计的背景

3 NLG不确定性估计中的挑战

4 语义不确定性

5 相关工作

6 经验评价

7 讨论

许多自然语言问题显示出一个关键的不变性：不同token的序列意味着相同的事情。直接解决这个问题，我们引入了语义熵——意义而非序列上的