शोधकर्ताओं ने विशाल भाषा मॉडल में विश्वसनीयता को बेहतर बनाने के लिए भविष्य आत्मविश्वास निचोड़ पेश किया है, जो आत्मविश्वास अनुमानन के कालिक पहलुओं का लाभ उठाता है। विधि शिक्षक आत्मविश्वास अनुमानों का उपयोग करके पूर्व-समाधान छिपी हुई प्रतिनिधित्व पर भविष्यसूचकों को प्रशिक्षित करता है, जो उत्तर-समाधान सटीकता प्रोब से व्युत्पन्न होते हैं।
- उत्तर-समाधान आत्मविश्वास पूर्व-समाधान आत्मविश्वास की तुलना में लगातार बेहतर कैलिब्रेटेड और अधिक विभेदक है।
- छिपी हुई प्रतिनिधित्व पर प्रशिक्षित रैखिक प्रोब उन जानकारी को पुनर्प्राप्त करते हैं जो मॉडल स्पष्ट रूप से अभिव्यक्त करते हैं, उससे काफी समृद्ध आत्मविश्वास संबंधी जानकारी है।
- निचोड़े गए भविष्यसूचक अनुमान के दौरान पूर्व-समाधान प्रतिनिधित्व पर काम करते हैं, उत्तर-समाधान विधियों द्वारा प्राप्त कैलिब्रेशन सुधार का बड़ा हिस्सा पुनर्प्राप्त करते हैं।
- दृष्टिकोण नमूना दक्षता में उच्च बना रहता है और एक ही डोमेन के भीतर डेटासेट के बीच स्थानांतरित होता है।
यह तकनीक उत्तर उत्पादन पूरा होने से पहले आत्मविश्वास की भविष्यवाणी करके काफी अधिक विश्वसनीय और कम लागत वाले आत्मविश्वास अनुमान को सक्षम बनाती है।