semantic-uncertainty

本文提出利用从大型语言模型派生的语义不确定性来预测口语对话中话轮转换的相关位置，在对话系统中展示了优于基线的性能。

本文介绍了HASSUM，一个用于层次化多智能体系统的语义不确定性引导编排框架，它使用语义熵和语义密度来提高可靠性并自适应决策。

本文介绍了HawkesLLM，一个通过结合用于时间影响和记忆选择的多变量Hawkes过程与用于文本生成的语言模型，对多步骤智能体文本模拟中的语义不确定性传播进行建模的框架。在GDELT新闻级联案例研究上的评估表明，在紧凑的提示-记忆约束下，后期语义对齐得到了改善。