研究：类型化决策模型更依赖选项标签而非定义
热点事件持续更新
研究：类型化决策模型更依赖选项标签而非定义
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Seyedarmin Azizi 等作者在 arXiv 发表论文，研究四个开源权重类型化决策模型，发现其答案概率主要跟随选项标签而非定义。删除全部定义后，laya-td 的准确率仅从 0.8559 降至 0.8487；把选项改名为 A、B 反而使准确率提升 0.1511。 论文同时提出 PolicyBench 基准，用于考察这一标签覆盖定义的现象。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
arXiv 论文：Jev 式类型化决策模型中标签覆盖定义报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AIarXiv 论文：Jev 式类型化决策模型中标签覆盖定义
arXiv 论文（arXiv:2610.02586）研究四个开源权重类型化决策模型，发现答案概率主要跟随标签而非定义：删除全部定义后 laya-td 准确率仅从 0.8559 降至 0.8487，把选项改名为 A、B 反而提升 +0.1511。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。