Conformal Prediction for Natural Language Processing: A Survey

随着大型语言模型和自然语言处理（NLP）应用的迅速扩散，急需进行不确定性量化来减轻幻觉等风险，并增强关键应用中的决策可靠性。符合性预测作为一个理论上可靠且实用的框架正在崛起，它将灵活性与强大的统计保证相结合。它的模型无关和无分布特性使其特别有前途，可以解决当前NLP系统中缺乏不确定性量化的问题。本文全面调查了符合性预测技术、其保证和现有的NLP应用，指出未来研究的方向和开放性挑战。

论文旨在解决自然语言处理中缺乏不确定性量化的问题，提出使用符合预测框架来增强决策可靠性和减少风险。

符合预测框架是一种理论上可靠且实用的方法，可以结合自然语言处理应用程序的灵活性和强大的统计保证。

论文对符合预测技术进行了全面的调查，介绍了其保证和在自然语言处理中的应用。它还指出了未来研究的方向和开放挑战。

与此相关的最近研究包括《A Survey of Deep Learning for Natural Language Processing》和《Recent Advances in Natural Language Processing》等。