谷歌最近推出了一项名为ASPIRE的自适应评估框架，旨在帮助大型语言模型在面对置信度较低的样本时做出正确的判断。这个框架的核心技术思路是基于自我评估的选择性预测，通过任务定向微调、答案采样和自我评估学习三大模块来实现。

论文地址:https://aclanthology.org/2023.findings-emnlp.345.pdf?ref=maginative.com

具体来说，任务定向微调能够通过使用目标任务的训练数据对模型进行微调，提高其在特定任务上的性能。答案采样则可以生成多个候选答案，并评估其概率分布，以帮助模型判断答案的可靠性。自我评估学习则通过学习自我评估能力，让模型能够更好地区分正确和错误答案，从而提高选择性预测性能。

实验数据显示，ASPIRE在不同数据集上均表现出了良好的性能。例如，在CoQA数据集上，ASPIRE框架将答案的准确性提升了，并且能够减少错误答案的生成;在TriviaQA数据集上，通过设置选择性分数阈值，ASPIRE能够更准确地判断出哪些问题的答案不可靠，从而避免生成错误答案;在Natural Questions数据集上，ASPIRE成功降低了错误答案的比例，提高了答案的质量。这些实验证明了ASPIRE框架的高效性和可行性，为大型语言模型的应用提供了重要的支持和保障。

ASPIRE框架的推出填补了大型语言模型在置信度校准方面的空白，为其在实际应用中的稳定性和准确性提供了有力保障。随着这一框架的不断完善和应用，相信大型语言模型在各个领域的表现将会更加出色，为人们带来更好的体验和服务。