Partition, Prompt, Aggregate: Statistical Self-Consistency in Language Models

• 类型：arxiv
• 标识：2607.15277
• 链接：https://arxiv.org/abs/2607.15277
• 主分类：llm-infra
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：It is suggested that models possess relevant subpopulation knowledge but do not reliably propagate it into aggregate estimates, and this gap establishes statistical self-consistency as an unsaturated, reference-free criterion for evaluating LLMs.
• OpenAlex ID：W7169554581
• OpenAlex DOI：10.48550/arxiv.2607.15277
• DOI：10.48550/arxiv.2607.15277
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.15277
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：分区、提示、聚合：语言模型中的统计自一致性
• TLDR中文：研究表明模型具备相关子群体知识，但难以稳定传递到聚合估计中，这一差距使统计自一致性成为评估 LLM 的尚未饱和、无需参考的准则。
• 来源文件：
• /inbox/tom/_candidates/2026-07-17-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]