平安:动态注意力提高LLM生成一致性

在这里插入图片描述

📖标题:Dynamic Attention-Guided Context Decoding for Mitigating Context Faithfulness Hallucinations in Large Language Models
🌐来源:arXiv, 2501.01059

🌟摘要

🔸大型语言模型(LLM)经常出现上下文忠实幻觉,由于上下文利用不足和输出不确定性高,输出与检索到的信息存在偏差。我们的不确定性评估实验表明,高不确定性和幻觉之间存在很强的相关性。我们假设注意机制编码了指示上下文利用的信号,并通过探测分析进行了验证。
🔸基于这些见解,我们提出了动态注意力引导上下文解码(DAGCD),这是一个轻量级的框架,在单次解码过程中集成了注意力分布和不确定性信号。QA数据集的实验证明了DAGCD的有效性,在保持计算效率的同时,在忠实性和鲁棒性方面实现了显著提高。

🛎️文章简介

🔸研究问题:大语言模型(LLM)在生成回答时无法忠实于上下文,即上下文忠实性幻觉。
🔸主要贡献:论文提出了动态注意力引导的上下文解码(DAGCD)框架,通过整合注意力分布和基于熵的不确定性信号,增强了

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大模型任我行

随意啦,喜欢就好~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值