CGSD分解训练数据过滤效应

研究者提出反事实门控支持分解（CGSD），一种四臂、预算匹配的设计，用于把训练数据过滤中观察到的门控效应拆分为支持内选择、支持间再分配及两者交互作用三部分。 在韩英、韩日检索任务中，只有支持内选择分量超出校准零假设带（韩英 +29.7 留出样本，韩日 +5.6，均 30/30 正重复），韩英显著、韩日边际；模型置信度阈值门控也复现该模式（+27.3 样本，9/9 正）。 作者同时指出有限池可实现性约束，并给出一个支持消失的情形：在数学门控上，零合格支持使常规设计在任何预算下都不可定义，扩展设计仅在狭窄预算带内可构造，而这一区间会被自然工作点错过。

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。