Dans l'actualité
Provable Limits and Certified Deferral for Verbalized Uncertainty in Small Language Models
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Small language models cannot reliably defer to humans using confidence scores alone, even with calibration techniques applied.
- Pourquoi ça compte
- Engineers deploying small models offline or in cost-sensitive settings need to know when deferral to humans is mathematically safe.
- Vigilance
- Only three of twenty-two model-task pairs achieved certified safe autonomy at twenty percent risk; results assume independent and identically distributed deployment.
- language model
- rag
- eval
Les patterns derrière cette actualité
- Uncertainty Quantification
- Eval-Driven Development (Agent CI)
- Agentic Context Engineering (Evolving Playbook)
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.