Dans l'actualité
Same Query, Different Answer: Run-to-Run Variance in Semantic Query Processing
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- LLM-based semantic query engines produce inconsistent results across repeated runs, with 0.07% to 10.2% of individual rows changing outputs even at temperature zero.
- Pourquoi ça compte
- Database engineers and ML practitioners building or evaluating systems that use LLMs to process queries over structured data should understand this instability.
- Vigilance
- Current benchmarks may not reliably distinguish between systems because variance can affect up to two-thirds of final answers, making single-run comparisons potentially misleading.
- llm
- language model
- benchmark
Les patterns derrière cette actualité
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.