不可答与欠明确信号的跨域与多轮泛化研究
Get the story
该研究以“Knowing When Not to Answer”为题，探讨大语言模型在欠规范输入下识别不可回答性的跨域与多轮泛化能力。研究使用 423 段对话、1,661 个标注轮次状态及模拟用户评测框架，在六个数据集与六个开源权重 LLM 上测试不可回答性探针。结果显示，探针在共享同一不可回答基础的数学数据集（AUROC 0.77–0.97）与段落数据集（SQuAD 2.0、MuSiQue，0.77–0.90）之间稳健迁移；但单轮探针在零样本条件下无法检测对话何时变得可回答，表明跨域迁移有效而多轮状态识别仍受限。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and LanguageKnowing When Not to Answer：潜在欠规范信号的跨域与多轮泛化研究
研究用 423 段对话、1,661 个标注轮次状态和模拟用户评测框架，在六个数据集与六个开源权重 LLM 上测试不可回答性探针。探针在共享同一不可回答基础的数学（AUROC 0.77-0.97）与段落（SQuAD 2.0、MuSiQue，0.77-0.90）数据集间稳健迁移，但单轮探针零样本无法检测对话何时变得可回答。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.