📊arXiv 29-Apr-2025 LLM相关论文(23/60)

🏠更多论文见主页/合集

🌐arXiv ID: arXiv:2504.18884

📚论文标题: A Simple Ensemble Strategy for LLM Inference: Towards More Stable Text Classification

🔍 问题背景：随着大型语言模型（LLMs）的发展，这些模型被广泛应用于各种任务。然而，现有文献中很少关注LLMs输出的可变性和结果的可重复性问题。实际的人类标注过程中通常采用多数投票来解决标注者之间的分歧，而这一概念可以扩展到基于LLM的情感分析中。

💡 研究动机：为了提高情感分析的稳定性和准确性，研究团队提出了一种简单的集成策略，通过多次推理并聚合结果来减少误差。

🚀 方法简介：本文提出的方法利用了Meta AI的Llama 3预训练模型，并通过不同的随机种子值生成多个虚拟工作者。每个工作者对输入文本进行情感评分，最终通过中位数聚合所有有效输出，从而获得更稳健的结果。

📊 实验设计：在Yelp开放数据集上进行了实验，该数据集包含用户对餐厅的评价和评论。实验评估了模型在准确率、皮尔逊相关系数和均方根误差（RMSE）方面的性能，并与多种基准模型进行了对比。结果显示，集成模型在减少误分类误差方面显著优于单次推理的大模型，且处理时间大幅减少。