Controlled iterative refinement of large language model responses improves response quality under blind evaluation across domains and stopping policies
Este artículo demuestra que un marco de refinamiento iterativo controlado y auditable mejora significativamente la calidad y la eficiencia de las respuestas de los modelos de lenguaje de gran tamaño en diversos dominios y políticas de parada en comparación con la generación directa, al tiempo que desafía las afirmaciones universales de que la evaluación más compleja o las estrategias de parada adaptativas son siempre superiores.