University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

Is Conformal Factuality for RAG-based LLMs Robust? Novel Metrics and Systematic Insights

基于RAG的LLM的符合事实性是否具有鲁棒性？新颖的度量和系统性洞察

Yi Chen, Daiwei Chen, Sukrut Madhav Chikodikar, Caitlyn Heqi Yin, Ramya Korlakai Vinayak

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文系统分析了RAG-based LLMs在符合事实性方面的可靠性与实用性，提出新的信息度量方法，发现高事实性水平导致输出空洞，符合事实性不鲁棒于分布偏移，轻量蕴含验证器更高效且表现优异。

Comments 56 pages

Building a Correct-by-Design Lakehouse. Data Contracts, Versioning, and Transactional Pipelines for Humans and Agents

构建正确性由设计保证的湖house。数据合同、版本控制和事务性管道为人和代理

Weiming Sheng, Jinlang Wang, Manuel Barros, Aldrin Montana, Jacopo Tagliabue, Luca Bigon

机构 * Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Bauplan Labs（Bauplan实验室） 纠错

AI总结 本文提出Bauplan，一种以代码为核心的湖house，通过类型表合同、Git式数据版本控制和事务性运行机制，消除并发变更导致的失败问题，提升数据管道的正确性和可重复性。

Comments Submission pre-print, data conference