本文是LLM系列文章,针对《SEMANTIC UNCERTAINTY: LINGUISTIC INVARIANCES FOR UNCERTAINTY ESTIMATION IN NATURAL LANGUAGE GENERATION》的翻译。
语义不确定性:自然语言生成中不确定性估计的语言不变性
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