自我預測

深度分析

RPRA：預測 LLM 表現以提升資源受限設備的推論效率

大型語言模型在資源受限裝置上面臨效能與品質的權衡。研究提出 RPRA 框架，讓模型在回應前預測自身輸出會被 LLM 評審給予的分數，並比較零樣本、報告卡與微調三種預測方式。實驗發現，小模型經過報告卡或微調後，預測精度提升逾五成，顯示自我限制預測具可行性。