元排名：不太强大的语言模型能够进行单一回应判断
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了一种名为 Meta Ranking (MR) 的新方法，通过比较目标查询 - 响应对与参考查询 - 响应对，使能力较弱的大语言模型能够有效判断个别响应的可靠性，并且在推理任务中实现了出色的误差检测效果，可以用于改进大语言模型的性能，如查询路由和迭代训练数据过滤等实际应用中。
本研究评估了使用大型语言模型回答患者实验室检测问题的可行性。通过从Yahoo! Answers收集数据，使用四个LLM生成回答，并评估发现GPT-4在相关性、准确性、有帮助性和安全性方面优于其他LLMs和人工回答。然而，GPT-4的回答偶尔存在医学背景解释不足、错误陈述和缺乏参考等问题。研究还提出了提高LLM回答质量的方法。
