研究发现：让 AI 标记自己不确定的答案，可提升可信度

UC Riverside 研究发现，大语言模型的置信度与正确性由不同内部特征编码，挑战了“模型自信即正确”的假设。在 Llama-3.1-8B 和 Gemma-2-9B 上，抑制与不确定性和错误均相关的“混杂”特征后，准确率最高提升 1.1%，不确定性降低最高 75%。仅用 Llama 三个混杂特征预测错误答案，模型拒答后准确率从 62% 升至 81%。