概念多模型交叉验证
多模型交叉验证
让多个不同大语言模型对同一问题独立给出答案，再通过比较、投票或裁判模型聚合的方式得出最终结论的方法，借鉴集成学习思想
时间轴 (近 90 天)
10月24日
多模型交叉验证通过引入不同厂商、不同训练语料的模型来降低系统性偏差。
待验证50%
10月22日
多模型交叉验证通过比较多个不同模型对同一问题答案的一致性来估计置信度，成本更高但避开了单一模型自评的陷阱。
待验证50%
9月27日
当多个独立训练的模型给出相同答案时置信度更高，产生分歧时则是需要人工深究的不确定信号
待验证50%