GPT-4o-mini 相关 AI 资讯 · AI 热点

8月7日

09:28

09:28

官方一手arXiv: DeepSeek@Zhuo Xie, Haoze Ni

精选

论文提出多源证据共识验证框架MECV，用于修正AI生成新闻摘要中的幻觉。MECV聚合源文档、维基百科和开放网页检索三类异构证据，并引入多LLM陪审团机制，通过矛盾感知共识评分评估事实可靠性。在SummEdits基准上使用GPT-4o-mini和DeepSeek-Chat作为验证模型、Qwen-Plus作为编排器进行实验。结果显示MECV在保持摘要语义结构的同时提升了事实一致性，跨源共识可作为识别事实不确定性的有效信号。

论文 MECV SummEdits GPT-4o-mini

推荐理由：这篇论文解决AI摘要瞎编的问题，用多源证据+多模型投票来纠错，在SummEdits上验证有效，做新闻聚合的可以看看。

6月30日

09:20

09:20

官方一手arXiv: DeepSeek@Zewen Liu

论文提出Contagion Tensor框架，量化多智能体LLM输出分布间的耦合。基于该张量定义Coupling Amplification Factor (CAF)，形式为CAF=E[T_condition]/E[T_baseline]，提供无单位基线比较。在2x2x2块正交仿真中，图像条件超线性效应(CAF=1.40)在禁用图像扰动模块后降为亚线性(CAF=0.87)。真实API实验：DeepSeek-Chat (R=30)和GPT-4o-mini (R=15,真实视觉)在统一人格下文本通信CAF≈1.0，多样人格导致收敛(CAF=0.88)。GPT-4o-mini内对比：C3 (文本) CAF=1.02 vs. C5(真实视觉,R=30) CAF=1.72，验证仿真预测。

论文 Contagion Tensor CAF DeepSeek-Chat

推荐理由：想了解多智能体LLM之间怎么互相影响输出？这篇论文给出了可量化框架CAF，还拿DeepSeek和GPT-4o-mini做了实验，能看到图像条件会放大耦合效应。