打击甜点！针对大型语言模型的跨度级集成

本研究解决了大型语言模型（LLM）集成方法中动态纠正和信息利用不足的问题。提出的SweetSpan跨度级集成方法在保证实时调整的同时，优化信息决策，通过候选模型生成的候选跨度和困惑度评分实现模型之间的相互评估。实验结果表明，与传统集成方法相比，该方法在标准和具有挑战性的设置中展现出更高的有效性、鲁棒性和多样性。