研究者提出BMA-GAI预算多属性验证算法

研究者提出一种名为 BMA-GAI 的算法，用于大语言模型答案验证。该方法把验证过程建模为全局预算约束下的多属性“好臂识别”问题，通过成本感知的候选选择与属性自适应采样，在每次观测中同时完成分配引导与随时有效认证，无需单独确认阶段。 研究者称，该算法具备渐近覆盖保证，并推导出匹配的信息论逆定理，证明其在临界预算水平之外具有一阶最优性。在合成基准与大语言模型答案验证任务实验中，BMA-GAI 比对比方法更高效地分配验证预算，认证出更多高质量候选。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。