一项研究专门评估大模型函数调用的不确定性，而不只研究普通问答的置信度。作者比较单次与多次采样方法，检验这些分数能否区分可能错误的工具调用。
论文发现，多次采样的熵方法在工具调用场景中不一定优于简单方法。利用函数输出的语法树结构分组，以及聚焦有语义意义的 Token，可以改进部分指标的校准。
工具调用前，怎样判断 AI 是否有把握？
一项研究专门评估大模型函数调用的不确定性，而不只研究普通问答的置信度。作者比较单次与多次采样方法，检验这些分数能否区分可能错误的工具调用。
一项研究专门评估大模型函数调用的不确定性，而不只研究普通问答的置信度。作者比较单次与多次采样方法，检验这些分数能否区分可能错误的工具调用。
一项研究专门评估大模型函数调用的不确定性，而不只研究普通问答的置信度。作者比较单次与多次采样方法，检验这些分数能否区分可能错误的工具调用。
论文发现，多次采样的熵方法在工具调用场景中不一定优于简单方法。利用函数输出的语法树结构分组，以及聚焦有语义意义的 Token，可以改进部分指标的校准。