TTCW评论数据集发布：推理监督反致生成失败

研究团队构建了含263,911篇长故事、每篇配14个TTCW维度评分与合成评论的数据集，并测试推理轨迹能否提升Qwen3-4B、Qwen3-8B和Nemotron-8B的结构化文学评论生成。 结果显示，三个模型上无轨迹监督的评分模仿保真度更高且报告生成近乎完整；加入轨迹监督后完成率降至85.9%–90.9%，失败案例中88.6%的推理轨迹存在语义重复循环。 该结论基于上述三个模型与TTCW设定，尚不能直接推广到其他模型或任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。