--- format: "aidr-story-markdown/v1" id: "8eed4925d1c0d15a465a5d1ee6276111fdcad5fcaa2aae5a0c0ab1ed893889e3" canonical_url: "https://aidr.today/8eed4925?lang=vi" title: "Jev-as-a-Judge cho xác minh tuyên bố RAG: Cổng xác suất cascade giữa trình xác minh không sinh và LLM biên giới" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-10-16T04:00:00.000Z" category: "Data" topics: ["llm","data-engineering"] source_urls: ["https://arxiv.org/abs/2610.20634"] summary: "Sinh tạo tăng cường truy xuất đặt ra một câu hỏi quan trọng: bằng chứng này có hỗ trợ tuyên bố này không? Câu trả lời là một bit, nhưng hầu hết các đường ống lấy câu trả lời từ một bộ tạo văn bản và trả giá cho toàn bộ văn bản quanh nó. Chúng tôi so sánh một decision model không sinh, trả về giá trị kiểu được khai báo cùng xác suất bản địa và không có văn bản, với một frontier LLM được cấu hình như kỹ sư triển khai cho phân loại nhị phân. Cả hai trả lời cùng 495 tuyên bố do con người gán nhãn từ LLM-AggreFact, sao cho mỗi so sánh là so sánh trong cùng một mục. Chúng tôi báo cáo ba điều. Thứ nhất, hai hệ thống không thể phân biệt thống kê trên số liệu mà nhiệm vụ này thường được đo bằng, chênh lệch -0.56 điểm, Jev trừ Astra, với mức chi phí khác nhau 187 lần. Thứ hai, kết quả hòa này mang gần như không có thông tin về triển khai: hai hệ thống khác nhau trên 15.2% tuyên bố, và hệ thống rẻ hơn thừa nhận 23.2% tuyên bố mà người gán nhãn đánh dấu là không được hỗ trợ trước mặt frontier model với 14.1%. Thành phần có nhiệm vụ bắt các tuyên bố không được hỗ trợ nên được đánh giá dựa trên tỷ lệ đó, và tiêu đề truyền thống giấu nó đi." --- # Jev\-as\-a\-Judge cho xác minh tuyên bố RAG: Cổng xác suất cascade giữa trình xác minh không sinh và LLM biên giới > [Open the canonical story]() **Published:** 2026-10-16T04:00:00.000Z **Category:** Data **Topics:** llm, data\-engineering ## Summary Sinh tạo tăng cường truy xuất đặt ra một câu hỏi quan trọng: bằng chứng này có hỗ trợ tuyên bố này không? Câu trả lời là một bit, nhưng hầu hết các đường ống lấy câu trả lời từ một bộ tạo văn bản và trả giá cho toàn bộ văn bản quanh nó\. Chúng tôi so sánh một decision model không sinh, trả về giá trị kiểu được khai báo cùng xác suất bản địa và không có văn bản, với một frontier LLM được cấu hình như kỹ sư triển khai cho phân loại nhị phân\. Cả hai trả lời cùng 495 tuyên bố do con người gán nhãn từ LLM\-AggreFact, sao cho mỗi so sánh là so sánh trong cùng một mục\. Chúng tôi báo cáo ba điều\. Thứ nhất, hai hệ thống không thể phân biệt thống kê trên số liệu mà nhiệm vụ này thường được đo bằng, chênh lệch \-0\.56 điểm, Jev trừ Astra, với mức chi phí khác nhau 187 lần\. Thứ hai, kết quả hòa này mang gần như không có thông tin về triển khai: hai hệ thống khác nhau trên 15\.2% tuyên bố, và hệ thống rẻ hơn thừa nhận 23\.2% tuyên bố mà người gán nhãn đánh dấu là không được hỗ trợ trước mặt frontier model với 14\.1%\. Thành phần có nhiệm vụ bắt các tuyên bố không được hỗ trợ nên được đánh giá dựa trên tỷ lệ đó, và tiêu đề truyền thống giấu nó đi\. ## Sources - [Story source]()