跳到主要内容
检索

# 直接决策模型

1 篇关联报道

订阅更新
  1. arXiv

    JEV类直接决策模型在36个有序数据集上只用掉67–76%的有效标签空间,BA-LoRA后训练可把利用率从约47%提到86%

    该研究分析JEV 1.13与三个开源KEV模型(0.8B/4B/9B),在ANLI上发现JEV以74.95%准确率却把38.8%的预测和51.3%的错误都给了Neutral,进而在36个有序数据集上测得最终决策只覆盖67–76%的有效金标支持(四个名义任务为87–102%),并通过候选顺序随机化、同一批样本上把量表从K=2细化到K=14(K=14时利用率降至26–75%)、以及BA-LoRA定向后训练(八个受监督量表上金标相对利用率从约47%升至86%)表明这种“有序量表利用率偏差”是习得且可修改的决策阶段候选空间压缩。

已读完全部报道