Double-Calibration: Towards Reliable LLMs via Calibrating Knowledge and Reasoning Confidence

En 3 lignesDoublyCal, un framework pour améliorer la fiabilité des LLM en combinant Knowledge Graphs et calibration d'incertitude. Un modèle proxy léger génère des preuves KG avec confiance calibrée, guidant un LLM black-box vers des prédictions plus précises et mieux calibrées. Testé sur benchmarks knowledge-intensive avec coûts token réduits.

Résumé généré par Claude — vérifié par l'humain