Amir Globerson
Использует одну языковую модель как адверсариального оппонента-допросчика для другой, чтобы выявлять фактологические ошибки, которые ни одна из них не нашла бы в одиночку.
Статья 2023 года "LM vs LM" из группы Globerson задала протокол перекрёстного допроса: одна модель производит утверждение, вторая задаёт уточняющие вопросы, рассчитанные на проверку несогласованностей, а исходное утверждение помечается, если эти уточнения вынуждают противоречие. Такая схема даёт области то, чего ей не хватало: метод обнаружения фактологических ошибок, который не требует размеченной ground truth, не требует доступа к внутренним состояниям модели и не требует доверять какой-либо одной модели самой по себе. Более длинная дуга Globerson лежит в теории машинного обучения, и это задаёт тон работы: оценка LLM как задача адверсариального сэмплирования и информационной геометрии, а не как задача prompt engineering.