待验证50% 置信基准精确时间
在Banking77数据集上,CAPS比仅对确认答案进行微调在准确率上高出2.6个百分点,ECE低0.053,且选择性风险更低(基于三个随机种子对比一个基线种子)。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/13
首次发现
有效期至:2027/2/11
来源
涉及实体
相关事实
待验证在一组有序量表问题上,将概率分数作为REINFORCE奖励导致准确率从0.636骤降至0.111。69% 相似待验证在N=5000时,CAPS与全标签训练相比,在0.6B模型上准确率低1.5个百分点,在1.7B模型上低0.6个百分点(对比一个全标签种子),而倾向权重在此日志上并未带来增益。68% 相似待验证在MedAbstain基准上,基座模型的适当弃答率中位数仅为8.3%,微调后进一步降至中位数4.2%。68% 相似待验证工具描述得分与模型正确选择之间的Spearman相关系数仅为0.04,统计上几乎不存在关联。67% 相似待验证对于 7B 模型,使用求解器准确率为 75.31%,直接计算为 72.02%,配对提升 +3.29 个百分点,95% 聚类区间为 [-3.49, 10.38] 跨越零点,优势不显著67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1165000API
curl https://kongchang.com/api/v1/knowledge/claims/1165000MCP
get_claim(id=1165000)