Buchumschlag

Do not Abstain! Identify and Solve the Uncertainty

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jingyu, Peng, Jingquan, Wu, xiaopeng, Li, Xubin, Ge, Tiezheng, Zheng, Bo, Liu, Yong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gradient Coupling: The Hidden Barrier to Generalization in Agentic Reinforcement Learning
von: Liu, Jingyu, et al.
Veröffentlicht: (2025)

Knowing When to Abstain: Medical LLMs Under Clinical Uncertainty
von: Machcha, Sravanthi, et al.
Veröffentlicht: (2026)

Abstaining Machine Learning -- Philosophical Considerations
von: Schuster, Daniela
Veröffentlicht: (2024)

Interpretable and Fair Mechanisms for Abstaining Classifiers
von: Lenders, Daphne, et al.
Veröffentlicht: (2025)

The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain?
von: Doku, Ronald
Veröffentlicht: (2026)

MT-Bench-101: A Fine-Grained Benchmark for Evaluating Large Language Models in Multi-Turn Dialogues
von: Bai, Ge, et al.
Veröffentlicht: (2024)

Know When to Abstain: Optimal Selective Classification with Likelihood Ratios
von: Heng, Alvin, et al.
Veröffentlicht: (2025)

Logic-of-Thought: Empowering Large Language Models with Logic Programs for Solving Puzzles in Natural Language
von: Li, Naiqi, et al.
Veröffentlicht: (2025)

Detecting Multimodal Situations with Insufficient Context and Abstaining from Baseless Predictions
von: Liu, Junzhang, et al.
Veröffentlicht: (2024)

How Much Can RAG Help the Reasoning of LLM?
von: Liu, Jingyu, et al.
Veröffentlicht: (2024)

Perfect Alignment May be Poisonous to Graph Contrastive Learning
von: Liu, Jingyu, et al.
Veröffentlicht: (2023)

Tackling the Inherent Difficulty of Noise Filtering in RAG
von: Liu, Jingyu, et al.
Veröffentlicht: (2026)

CausalAbstain: Enhancing Multilingual LLMs with Causal Reasoning for Trustworthy Abstention
von: Sun, Yuxi, et al.
Veröffentlicht: (2025)

Teaching LLMs to Abstain via Fine-Grained Semantic Confidence Reward
von: An, Hao, et al.
Veröffentlicht: (2025)

Clarify, Abstain or Answer? Strategising in Conversation with Belief-Augmented Generation
von: Baan, Joris, et al.
Veröffentlicht: (2026)

When Silence Is Golden: Can LLMs Learn to Abstain in Temporal QA and Beyond?
von: Zhou, Xinyu, et al.
Veröffentlicht: (2026)

Do We Really Need to Approach the Entire Pareto Front in Many-Objective Bayesian Optimisation?
von: Jiang, Chao, et al.
Veröffentlicht: (2026)

Influencing LLM Multi-Agent Dialogue via Policy-Parameterized Prompts
von: Bo, Hongbo, et al.
Veröffentlicht: (2026)

DeePoly: A High-Order Accuracy Scientific Machine Learning Framework for Function Approximation and Solving PDEs
von: Liu, Li, et al.
Veröffentlicht: (2025)

Abstain-R1: Calibrated Abstention and Post-Refusal Clarification via Verifiable RL
von: Zhai, Skylar, et al.
Veröffentlicht: (2026)

ConceptMath: A Bilingual Concept-wise Benchmark for Measuring Mathematical Reasoning of Large Language Models
von: Wu, Yanan, et al.
Veröffentlicht: (2024)

Enhancing Text Annotation through Rationale-Driven Collaborative Few-Shot Prompting
von: Wu, Jianfei, et al.
Veröffentlicht: (2024)

AdvDMD: Adversarial Reward Meets DMD For High-Quality Few-Step Generation
von: Wang, Xu, et al.
Veröffentlicht: (2026)

Prompt Stability in Code LLMs: Measuring Sensitivity across Emotion- and Personality-Driven Variations
von: Ma, Wei, et al.
Veröffentlicht: (2025)

AutoHealth: An Uncertainty-Aware Multi-Agent System for Autonomous Health Data Modeling
von: Xia, Tong, et al.
Veröffentlicht: (2026)

Open-Source AI-based SE Tools: Opportunities and Challenges of Collaborative Software Learning
von: Lin, Zhihao, et al.
Veröffentlicht: (2024)

VC4VG: Optimizing Video Captions for Text-to-Video Generation
von: Du, Yang, et al.
Veröffentlicht: (2025)

Identifying and Solving Conditional Image Leakage in Image-to-Video Diffusion Model
von: Zhao, Min, et al.
Veröffentlicht: (2024)

EasyRec: Simple yet Effective Language Models for Recommendation
von: Ren, Xubin, et al.
Veröffentlicht: (2024)

Cognitive Edge Computing: A Comprehensive Survey on Optimizing Large Models and AI Agents for Pervasive Deployment
von: Wang, Xubin, et al.
Veröffentlicht: (2025)

Geometric Manifold Rectification for Imbalanced Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

Employee Turnover Prediction: A Cross-component Attention Transformer with Consideration of Competitor Influence and Contagious Effect
von: Liu, Hao, et al.
Veröffentlicht: (2025)

How Well Do LLMs Perform on the Simplest Long-Chain Reasoning Tasks: An Empirical Study on the Equivalence Class Problem
von: Zheng, Chun, et al.
Veröffentlicht: (2026)

E^2-LLM: Efficient and Extreme Length Extension of Large Language Models
von: Liu, Jiaheng, et al.
Veröffentlicht: (2024)

Abstain and Validate: A Dual-LLM Policy for Reducing Noise in Agentic Program Repair
von: Cambronero, José, et al.
Veröffentlicht: (2025)

Failing on Bias Mitigation: A Case Study on the Challenges of Fairness in Government Data
von: Bo, Hongbo, et al.
Veröffentlicht: (2026)

From Detection to Diagnosis: Advancing Hallucination Analysis with Automated Data Synthesis
von: Liu, Yanyi, et al.
Veröffentlicht: (2025)

Do Large Language Models have Problem-Solving Capability under Incomplete Information Scenarios?
von: Chen, Yuyan, et al.
Veröffentlicht: (2024)

DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing
von: Yang, Hanqing, et al.
Veröffentlicht: (2026)

Do Transformers Have the Ability for Periodicity Generalization?
von: Liu, Huanyu, et al.
Veröffentlicht: (2026)