کالیبراسیون

چرا اعتماد به امتیازهای اطمینانِ (Confidence Score) مدل‌های زبانی بزرگ اشتباه است؟

بسیاری از طراحان سیستم‌های هوش مصنوعی برای سنجش میزان قطعیت پاسخ‌های LLM از خود مدل امتیاز اطمینان می‌گیرند. این مقاله توضیح می‌دهد که چرا این اعداد اعتباری ندارند و برای داشتن معیاری قابل‌اعتماد باید به جای حدس‌های مدل، از داده‌های تاریخی و قوانین کالیبراسیون استفاده کرد.