标签
介绍PEBS，一种用于RLHF中奖励模型校准的每个评分者经验贝叶斯收缩估计器，在PRISM上将用户内RMSE降低了超过8.5%，在PluriHarms上降低了超过9.6%。
本文介绍了 SLC（状态空间逻辑校正），该方法通过卡尔曼平滑器进行经验贝叶斯收缩，纠正知识追踪模型中的逐项逻辑偏差，从而在 AUC 指标上优于全局校准技术。
本文介绍了一种经验贝叶斯共形预测框架，该框架使用 r 值将评分变异性纳入非一致性得分中，从而提升排序稳定性并缩减集合大小，同时保持对视觉与语言模型的覆盖。