rationales

本文提出RMS-RSP，一种扰动敏感方法，用于选择接受理由监督的医学问题，提升问答系统的稳健准确性和语义一致性。

本文介绍了VERDICT，一个神经符号系统，它使用LLMs和SMT求解器来确保临床试验匹配中的问责制决策，提供一致的策略和忠实的理由。

本文分析了大型语言模型的安全微调，表明将回应分解为拒绝声明与理由后，仅使用理由进行训练可减少错误拒绝同时保持安全性，从而改善实用性与安全性之间的平衡。

本文提出了一种专门用于可解释虚假信息检测的LLM微调流水线，并介绍了一种数据合成方法LonsRex，用于生成必要且充分的解释，解决了仅基于标签正确性进行简单过滤的局限性。