CREDIT 反事实训练提升大语言模型的自我归因能力
Did the Model Use That? Counterfactual Training Boosts Self-Attribution in Language Models
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
arXiv 论文研究语言模型是否会在答案受附带信息影响时主动标注这一点，发现 11 个前沿模型大多很少归因有影响的信息，其余则归因了无影响的信息，在推理中加入承认并不能传导到最终答案。
来源：Hugging Face Daily Papers · arxiv.org