Количественная оценка претензии

arXiv: 261 030 5793v1 Annuales Type: New High Brieflow: Deep Instudy, или любое использование моделей большого языка (LMM) для чтения большой коллекции документов и получения осмыслений требует обобщения информации из различных источников. В ходе этой работы мы видим, что МЛМ выпускают длинные исследовательские доклады, которые читаются как уверенные сводные данные, но не отражают точно основные документы. Мы называем это провалом в сглаживании. При сложении различных и потенциально противоречивых источников в единое описание модель отбрасывает доказательственную "запутанность" своего корпуса и утверждает, что выводы более решительны, чем можно было бы поддержать ссылки. Для количественной оценки этого эффекта мы введем трубопровод " СмутСкор > , на котором будет показан уровень претензии. Наш трубопровод извлекает ключевые окончательные претензии из докладов, подготовленных с помощью модели, а затем находит доказательства по каждой претензии и группам претензий, которые свидетельствуют в отношении аспектов высокого уровня. И наконец, каждая претензия оценивается с учетом доказательств для количественной оценки степени сглаживания, произведенного агентом. Ac