De la deriva a la coherencia: estabilizando creencias en LLMs
Descubre cómo LLMs estabilizan creencias en preguntas múltiple opción con resampling y autocoherencia, mejorando coherencia predictiva sin perder precisión.
#opción múltiple
De la deriva a la coherencia: estabilizando creencias en LLMs
Descubre cómo los LLMs estabilizan creencias con muestreo predictivo y fine-tuning, mejorando coherencia sin perder precisión.
Modelado estructural de preguntas opción múltiple mejora estimación dificultad
Descubre cómo el modelado estructural de distractores en preguntas de opción múltiple mejora la estimación automática de dificultad, logrando R² de 0.83 y 0.71.
Inclusion-of-Thoughts: Mitigando la inestabilidad de preferencias en LLMs
Inclusion-of-Thoughts (IoT) estabiliza respuestas de LLMs en opción múltiple filtrando distractores, mejorando razonamiento e interpretabilidad con mínimo coste.