12:02
官方账号arXiv cs.AI@Dananjay Srinivas, Saksham Khatwani, Maria Pacheco
推荐理由：这篇用探针方法拆开了LLM一本正经胡说八道的原因：模型内部其实知道自己不知道，但嘴硬不肯说泛话。
指称消歧
共 1 条相关 AI 资讯
8月14日
12:02
这篇论文受格莱斯合作原则启发，提出LLM在遇到未知实体时应从具体表述撤退到更安全的泛化表述。作者基于T-REx构建基准，改变实体熟悉度和指称特异性，探测模型内部激活是否编码了知识边界和待生成指称的特异性。结果显示两种信号都存在，但生成时模型仍偏好具体指称，即使提供正确的泛化选项也如此。这表明实现Gricean退避所需的基本表征已具备，但缺少将其转化为生成策略的机制。