热点事件持续更新
IC-MAS 文档敏感度分类系统发布
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
2026年10月3日，arXiv cs.LG 分类下出现一篇论文，研究者提出 Channel-Boosted MAS（CB-MAS）并实例化为 IC-MAS，用于文档敏感度分类。报道称，该系统在 Strategic 16K 语料上达到 90.72% 准确率、91.23% F1、92.01% 敏感召回率和 90.46% 敏感精确率，平均计算量比固定轮次基线减少约 54%。目前该事件仅有这一篇报道，尚无后续进展或相互矛盾的说法。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
IC-MAS 在 Strategic 16K 语料上准确率达 90.72%，计算量较基线减少约 54%。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）IC-MAS：面向文档敏感度分类的通道增强多智能体系统
研究者提出 Channel-Boosted MAS（CB-MAS）并实例化为 IC-MAS，用于文档敏感度分类，在 Strategic 16K 语料上达到 90.72% 准确率、91.23% F1、92.01% 敏感召回率和 90.46% 敏感精确率，平均计算量比固定轮次基线减少约 54%。
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。