跳到主要内容
检索

Juming Xiong

1 篇关联报道

订阅更新
  1. arXiv

    多模型集成不再只靠单轮投票:Re-Present只重问分歧题,7–9B集成平均准确率从80.31%升到81.51%

    异构大模型集成里,即使某个成员答对了,单轮聚合也常常挑不出这个答案。Re-Present把单轮对数线性池化当作基线,只对成员分歧较大的选择题追加两种候选空间视图——保留前两名候选的top-two视图和颠倒选项顺序的reversed视图——再把新得到的候选级概率与原始证据直接合并。在七个选择题基准、两个五模型集成上,平均准确率从80.31%升到81.51%(7–9B)和从86.67%升到87.46%(14–32B),且额外token开销低于同触发条件的自洽性采样。

已读完全部报道