arXiv 研究：立场预测中测试时扩展与训练失效
热点事件持续更新
arXiv 研究：立场预测中测试时扩展与训练失效
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
arXiv 发表一项研究，在包含 500 名 Hacker News 用户、2499 个预测任务的 STANCE-BENCH 基准上评估测试时扩展与后训练方法，发现这些在代码和数学推理中有效的手段用于个体立场预测时失效，并识别出错误共识、选择失败、响应过拟合和早期平台四种失效模式。 作者提出结合候选立场直接打分与个人历史支持度的评估方法，在 781 任务测试集上用 Qwen3-8B 取得 21.83 的 Macro F1，高于直接打分的 19.27。论文作者为 Yuyang Zhao、Xuan Liu、HaoYang Shang、Haojian Jin。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
测试时缩放与训练在个体立场预测中为何失效？报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.CL测试时缩放与训练在个体立场预测中为何失效？
研究在 STANCE-BENCH（2499 个来自 500 名 Hacker News 用户的预测任务）上评估测试时缩放与后训练方法，识别出错误共识、选择失败、响应过拟合和早期平台四种失效模式。结合候选立场直接打分与个人历史支持度评估的方法，在 781 任务测试集上用 Qwen3-8B 取得 21.83 的 Macro F1，高于直接打分的 19.27。
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。