Buchumschlag

Improving Uncertainty Quantification in Large Language Models via Semantic Embeddings

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grewal, Yashvir S., Bonilla, Edwin V., Bui, Thang D.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ESI: Epistemic Uncertainty Quantification via Semantic-preserving Intervention for Large Language Models
von: Li, Mingda, et al.
Veröffentlicht: (2025)

Semantic Token Clustering for Efficient Uncertainty Quantification in Large Language Models
von: Cao, Qi, et al.
Veröffentlicht: (2026)

The Consistency Hypothesis in Uncertainty Quantification for Large Language Models
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

Trustworthy Summarization via Uncertainty Quantification and Risk Awareness in Large Language Models
von: Pan, Shuaidong, et al.
Veröffentlicht: (2025)

Fact-Checking the Output of Large Language Models via Token-Level Uncertainty Quantification
von: Fadeeva, Ekaterina, et al.
Veröffentlicht: (2024)

UQLM: A Python Package for Uncertainty Quantification in Large Language Models
von: Bouchard, Dylan, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Multimodal Large Language Models with Incoherence-adjusted Semantic Volume
von: Lau, Gregory Kang Ruey, et al.
Veröffentlicht: (2026)

IUQ: Interrogative Uncertainty Quantification for Long-Form Large Language Model Generation
von: Fan, Haozhi, et al.
Veröffentlicht: (2026)

Kernel Language Entropy: Fine-grained Uncertainty Quantification for LLMs from Semantic Similarities
von: Nikitin, Alexander, et al.
Veröffentlicht: (2024)

Efficient Non-Parametric Uncertainty Quantification for Black-Box Large Language Models and Decision Planning
von: Tsai, Yao-Hung Hubert, et al.
Veröffentlicht: (2024)

Shifting Attention to Relevance: Towards the Predictive Uncertainty Quantification of Free-Form Large Language Models
von: Duan, Jinhao, et al.
Veröffentlicht: (2023)

Position: Uncertainty Quantification Needs Reassessment for Large-language Model Agents
von: Kirchhof, Michael, et al.
Veröffentlicht: (2025)

On Subjective Uncertainty Quantification and Calibration in Natural Language Generation
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

The Role of Ambiguity in Error Prediction via Uncertainty Quantification
von: Staliūnaitė, Ieva Raminta, et al.
Veröffentlicht: (2026)

Skewed Memorization in Large Language Models: Quantification and Decomposition
von: Li, Hao, et al.
Veröffentlicht: (2025)

Active Flow Matching
von: Grewal, Yashvir S., et al.
Veröffentlicht: (2026)

Large Language Model Unlearning via Embedding-Corrupted Prompts
von: Liu, Chris Yuhao, et al.
Veröffentlicht: (2024)

Fine-Grained Uncertainty Quantification for Long-Form Language Model Outputs: A Comparative Study
von: Bouchard, Dylan, et al.
Veröffentlicht: (2026)

Revisiting Uncertainty Quantification Evaluation in Language Models: Spurious Interactions with Response Length Bias Results
von: Santilli, Andrea, et al.
Veröffentlicht: (2025)

Assessing the Macro and Micro Effects of Random Seeds on Fine-Tuning Large Language Models
von: Bui, Nghia, et al.
Veröffentlicht: (2025)

Enhancing Trust in Large Language Models via Uncertainty-Calibrated Fine-Tuning
von: Krishnan, Ranganath, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Language Models: A Suite of Black-Box, White-Box, LLM Judge, and Ensemble Scorers
von: Bouchard, Dylan, et al.
Veröffentlicht: (2025)

Bridging the Semantic Gap for Categorical Data Clustering via Large Language Models
von: Yang, Zihua, et al.
Veröffentlicht: (2026)

Syntactic and Semantic Control of Large Language Models via Sequential Monte Carlo
von: Loula, João, et al.
Veröffentlicht: (2025)

Revisiting Uncertainty Estimation and Calibration of Large Language Models
von: Tao, Linwei, et al.
Veröffentlicht: (2025)

Demystifying Embedding Spaces using Large Language Models
von: Tennenholtz, Guy, et al.
Veröffentlicht: (2023)

Improving Reasoning Performance in Large Language Models via Representation Engineering
von: Højer, Bertram, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Transformer Models for Dark-Pattern Detection
von: Muñoz, Javier, et al.
Veröffentlicht: (2024)

Uncertainty of Thoughts: Uncertainty-Aware Planning Enhances Information Seeking in Large Language Models
von: Hu, Zhiyuan, et al.
Veröffentlicht: (2024)

SWEA: Updating Factual Knowledge in Large Language Models via Subject Word Embedding Altering
von: Li, Xiaopeng, et al.
Veröffentlicht: (2024)

Mitigating Reversal Curse in Large Language Models via Semantic-aware Permutation Training
von: Guo, Qingyan, et al.
Veröffentlicht: (2024)

Can Large Language Models Understand Molecules?
von: Sadeghi, Shaghayegh, et al.
Veröffentlicht: (2024)

Representational Curvature Modulates Behavioral Uncertainty in Large Language Models
von: King, Jack, et al.
Veröffentlicht: (2026)

SConU: Selective Conformal Uncertainty in Large Language Models
von: Wang, Zhiyuan, et al.
Veröffentlicht: (2025)

An Isotropic Approach to Efficient Uncertainty Quantification with Gradient Norms
von: Grünefeld, Nils, et al.
Veröffentlicht: (2026)

SelfIE: Self-Interpretation of Large Language Model Embeddings
von: Chen, Haozhe, et al.
Veröffentlicht: (2024)

EmbedLLM: Learning Compact Representations of Large Language Models
von: Zhuang, Richard, et al.
Veröffentlicht: (2024)

Improving Instruction Following in Language Models through Proxy-Based Uncertainty Estimation
von: Lee, JoonHo, et al.
Veröffentlicht: (2024)

Adaptive Uncertainty Quantification for Generative AI
von: Kim, Jungeum, et al.
Veröffentlicht: (2024)

BERT-JEPA: Reorganizing CLS Embeddings for Language-Invariant Semantics
von: Gillin, Taj, et al.
Veröffentlicht: (2026)