待验证50% 置信基准精确时间
LRCC在Llama和Qwen系列模型上进行了语言建模和零样本下游任务的评估
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证arXiv研究《Large Language Models are Approximate Survival Estimators》发现前沿LLM在零样本条件下能给出接近专业模型的生存预后估计69% 相似待验证Laya 采用零样本分类范式，其底层通常基于经过自然语言推理（NLI）任务微调的预训练语言模型69% 相似待验证指令微调与RLHF技术使模型能理解模糊的自然语言指令并拆解为技术实现路径68% 相似待验证Hermes 是由 Nous Research 团队微调的一系列开源大语言模型，基于 Llama 等基础模型，以较强的指令遵循和函数调用能力著称67% 相似待验证反审查模型是指通过后处理手段移除大语言模型在RLHF和安全微调阶段植入的拒绝行为的模型变体66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986704API
curl https://kongchang.com/api/v1/knowledge/claims/986704MCP
get_claim(id=986704)