实测 18 个 LLM 开放式问答多样性：没有一个模型样样最强
gregd_nlp · x · 2026-10-04
COLM 2026 论文研究 LLM 能否为开放式问题生成多样化输出，以及多模型集成是否有帮助。
- 团队评测了 18 个 LLM、覆盖 4 个数据集
- 结论：没有任何单一模型在生成多样化输出上全面领先
- 论文还探讨了集成多个模型输出的收益，并区分了学术与工业界的连接讨论背景
该帖为研究者在 COLM 2026（下周于旧金山举行）参会前的推文，附带上述研究的推文线程链接。
「研究」频道最新
- WSJ 报道 LLM 推理 token 语义存疑，Mel Mitchell 追问信任基础 — MelMitchell1 · 2026-10-04
- 从感知机到 Sora:一篇按时间线梳理 AI 演化的科普长文 — abhishekkumar333 · 2026-10-04
- ENCODE 发布逾2万组实验的基因调控参考图谱预印本 — anshulkundaje · 2026-10-04
- AI 写代码正到临界点:有趣合成数据机会增速已超人们的利用能力 — mrjonfinger · 2026-10-04
- 化学家实测 Meta Muse 智能体:2 小时产出分子档案还揪出文献错误 — shuchaobi · 2026-10-04
- 扩散模型教材《The Principles of Diffusion Models》免费开放,读者盛赞 — DenoisedNeuron · 2026-10-04