arXiv：cs.AI（全量分类）· Roshan Reddy Upendra, Alexandre Dorais, Joe Meyer, Andrew Pouret, Anastasios Lambrianos Stappas, Dinesh Katupputhur Ramprasath, Viswanath Ganapathy, Tom Palczewski, Minghua Li·· 1 天前AI 评分36
关系基础模型在上下文学习中的支持集目标泄漏：模型依赖性与评估可靠性
Support-Set Target Leakage in Relational Foundation Models during In-Context Learning: Model Dependence and Evaluation Reliability
AI 导读
研究揭示关系型上下文学习（ICL）中的支持集目标泄漏问题：当支持上下文包含目标衍生特征而查询端不可用时，评估结果会失真。作者构造 20 个目标衍生特征，在 13 个 RelBench 任务和 5 种关系 ICL 配置上测试，发现 0-hop 与 Full 泄漏造成最大偏差，且泄漏效应高度依赖任务与模型，甚至可逆转模型变体间的相对结论。
来源：arXiv：cs.AI（全量分类） · arxiv.org