นักวิจัยจากมหาวิทยาลัยสแตนฟอร์ดได้พัฒนากรอบงาน "การระบุแหล่งที่มาแบบรวม" ที่มุ่งแก้ไขปัญหาความถูกต้องและแหล่งข้อมูลของผลลัพธ์เอาต์พุตของโมเดลภาษาขนาดใหญ่ (LLM) เฟรมเวิร์กนี้รวมวิธีการสองวิธีในการระบุแหล่งที่มาร่วมกันและการระบุแหล่งที่มาที่มีส่วนร่วม เพื่อมอบเครื่องมือที่ครอบคลุมมากขึ้นสำหรับการประเมินความน่าเชื่อถือของเอาท์พุต LLM เหมาะอย่างยิ่งสำหรับสาขาที่ต้องการความถูกต้องของข้อมูลสูงมาก งานวิจัยนี้มีความสำคัญอย่างยิ่งในการปรับปรุงความน่าเชื่อถือและขอบเขตการใช้งานของ LLM และช่วยให้นักพัฒนามีวิธีการตรวจสอบแบบจำลองที่สมบูรณ์ยิ่งขึ้น
นักวิจัยจากมหาวิทยาลัยสแตนฟอร์ดเสนอกรอบการทำงาน "การระบุแหล่งที่มาแบบรวม" ซึ่งรวมการระบุแหล่งที่มาแบบร่วมมือกันและการระบุแหล่งที่มาแบบมีส่วนร่วม เพื่อตรวจสอบความถูกต้องของเอาต์พุตโมเดลขนาดใหญ่และผลกระทบของข้อมูลการฝึกอบรม เฟรมเวิร์กนี้เหมาะสำหรับอุตสาหกรรมที่ต้องการความแม่นยำของเนื้อหาที่สูงมาก และช่วยให้นักพัฒนามีเครื่องมือตรวจสอบโมเดลขนาดใหญ่ที่ครอบคลุมมากขึ้น
การเกิดขึ้นของกรอบการทำงาน "การระบุแหล่งที่มาแบบรวม" ถือเป็นก้าวสำคัญในการประเมินความน่าเชื่อถือของโมเดลภาษาขนาดใหญ่ และเป็นแนวทางใหม่สำหรับความน่าเชื่อถือและความปลอดภัยของโมเดลปัญญาประดิษฐ์ในอนาคต โดยจะช่วยปรับปรุงการประยุกต์ใช้ LLM ในด้านต่างๆ และส่งเสริมการพัฒนาที่ดี