关系基础模型上下文学习中的支持集目标泄漏研究
热点事件历史事件
关系基础模型上下文学习中的支持集目标泄漏研究
2 篇报道1 个报道来源2026-09-30更新
先了解这件事
报道摘要
研究提出关系型上下文学习（ICL）中的"支持集目标泄漏"问题：带标签支持集含目标衍生（leaker）列而查询集干净，与数据集构建、时序切分或表示学习阶段的泄漏不同。
摘自 arXiv：cs.AI
最新进展9月30日 12:00
关系型基础模型在上下文学习中的支持集目标泄漏：影响、检测与缓解报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv：cs.AI关系型基础模型在上下文学习中的支持集目标泄漏：影响、检测与缓解
研究提出关系型上下文学习（ICL）中的"支持集目标泄漏"问题：带标签支持集含目标衍生（leaker）列而查询集干净，与数据集构建、时序切分或表示学习阶段的泄漏不同。
- arXiv：cs.AI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
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。