Entropy-Driven-Path-Expansion

APCD

APCD：以熵驅動延後分支與差異感知對比提升大型語言模型生成可靠度

大型語言模型在自回歸解碼下會因早期次優選擇累積錯誤而產生幻覺。APCD以熵驅動延後分支，僅在多候選具有可比概率時展開多路；並以Jensen–Shannon散度調節路徑間的對比強度，隨分布分歧動態減弱互動。實驗顯示可提升生成之事實正確性並保持效能。