熱點事件持續更新
CALIBER 評估推理模型信心
1 篇報道1 個報道來源3 小時前更新
先了解這件事
AI 綜述
2026年10月23日，Cohere 產品與研究博客介紹 CALIBER。該方法訓練推理模型在作答前估計解題成功率，並在作答後評估答案正確性。CALIBER 使用 30,000 道數學題訓練，並在 1,000 道保留題目及三項問答基準上評估。BigMathDigits 評測中，CALIBER 的 7B 模型 ECE 為 0.028，低於最強單一信心基線的 0.059，降幅達 52.5%；AUROC 為 0.806，Brier 分數為 0.130。報道列出其訓練規模、評估設定及 BigMathDigits 的信心評估成績。
AI 根據報道生成 · 3 小時前更新
最新進展10月23日 01:29
CALIBER 7B 在 BigMathDigits 的 ECE 為 0.028，較最強單一信心基線低 52.5%。報道時間線
沿着報道，瞭解事件的不同側面。
10月23日
- Cohere 產品與研究博客重新思考推理模型的信心評估
CALIBER 訓練推理模型在作答前估計解題成功率，並在作答後評估答案正確性。於 BigMathDigits 評測中，CALIBER 的 7B 模型 ECE 為 0.028，低於最強單一信心基線的 0.059，降幅達 52.5%；AUROC 為 0.806，Brier 分數為 0.130。模型以 30,000 道數學題訓練，並在 1,000 道保留題目及三項問答基準上評估。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。