标签
该论文介绍了 GT-FENG,这是一个将法律和政策领域中语言模型回答的语境与时间正确性评估和基于规则的错误归因相结合的框架,并以开源 Python 软件包的形式发布。在应用于 Medicaid 资格认定问题的回答时,记录各州的特定信息使跨州匹配错误减少了 68–78%。
本文提出了一种基于保形预测的多智能体系统错误归因框架,为识别智能体轨迹中的决定性错误提供统计保证。该方法通过在连续预测集中隔离错误,实现了自动恢复与调试。