evidence-calibration

本文介绍了CalBrief——一个包含16个证据包和96个人工验证结论的试点诊断基准，用于评估大型语言模型是否能够生成证据校准的科学简报。研究发现，结构化组织能提升推理能力，但显式的强度校准策略过于保守，且这种保守性主要源于标签空间的扩展，而非信号注入。

介绍StatefulDiscovery，一个用于开放端科学发现的框架，它利用外部化的调查状态来校准证据和主张，在生成得到充分支持的高价值主张方面优于基线方法。

本文介绍了ECC算法，该算法通过有限模型比较校准语义嵌入，根据潜在能力需求对查询进行聚类，将LLM能力排名质量相较于基线提高了超过17个百分点。