条条大路通罗马：基于图的大语言模型推理置信度估计

置信度估计对于大语言模型（LLMs）的可靠部署至关重要。现有方法主要针对事实性问答任务设计，通常难以泛化到推理任务。为弥补这一不足，我们提出了一套免训练、基于图的置信度估计方法，专门适用于推理任务。我们的方法将推理路径建模为有向图，并利用中心性、路径收敛性和路径加权等图属性来估计置信度。在两个大语言模型上针对三个推理数据集的实验表明，该方法改进了置信度估计，并提升了在两个下游任务上的性能。