University of California, Berkeley（加州大学伯克利分校）

How Sampling Shapes LLM Alignment: From One-Shot Optima to Iterative Dynamics

采样如何塑造大语言模型对齐：从单次最优到迭代动态

Yurong Chen, Yu He, Michael I. Jordan, Fan Yao

机构 * Inria（法国国家信息与自动化研究所） ； École Normale Supérieure（巴黎高等师范学校） ； PSL Research University（巴黎综合理工研究所） ； Northwestern University（西北大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 研究探讨了采样对大语言模型对齐的影响，发现适当采样可提升排序保证，而偏向采样可能导致集中问题，并分析了迭代动态中的稳定性问题。

Backward Conformal Prediction

反向符合预测

Etienne Gauthier, Francis Bach, Michael I. Jordan

机构 * INRIA-ENS-PSL Paris（法国国家信息与自动化研究所-巴黎综合理工学院-巴黎理工学院） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 反向符合预测通过约束预测集大小行为并调整覆盖率水平，提供灵活的可计算覆盖率保证，适用于医疗诊断等大预测集不现实的应用场景。

Comments Code available at: https://github.com/GauthierE/backward-cp

Visualizing and Benchmarking LLM Factual Hallucination Tendencies via Internal State Analysis and Clustering

通过内部状态分析和聚类可视化和评估大语言模型事实性幻觉倾向

Nathan Mao, Varun Kaushik, Shreya Shivkumar, Parham Sharafoleslami, Kevin Zhu, Sunishchal Dev

机构 * The Harker School（哈克尔学校） ； Monta Vista High School（蒙塔维斯高中） ； University of California Berkeley（加州大学伯克利分校） ； Algoverse AI Research（Algoverse AI研究） 纠错

AI总结 通过FalseCite数据集评估大语言模型在误导性引用下的事实性幻觉倾向，并利用内部状态分析和聚类揭示隐藏状态的特征。

Journal ref Proceedings of IJCNLP-AACL SRW 2025, pp. 289-298

NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews

NewsInterview: 一个用于通过信息性访谈评估LLM地面间隙的数据集和游乐场

Alexander Spangher, Michael Lu, Sriya Jeslyn Kalyan, Hyundong Justin Cho, Weiyan Shi, Jonathan May

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所） ； Northeastern University（东北大学） 纠错

AI总结 NewsInterview通过信息性访谈数据集和模拟环境，揭示LLMs在战略对话和多轮规划方面的能力不足，强调需提升其对话策略与说服力。

Comments Accepted at ACL 2025: https://aclanthology.org/2025.acl-long.1580/