MAPLE
用于评估知识提取增强（KEE）技术对参数化知识影响的统一诊断框架，从表面层级、概率层级和超越采样层级三个维度拆解答案恢复、破坏及金标排名变化，避免聚合准确率掩盖多样化效应。
时间轴 (近 90 天)
MAPLE是一个用于刻画知识提取增强（KEE）技术如何影响参数化知识提取的统一评估框架，其诊断指标从表面层级、概率层级和超越采样层级三个层级对效应进行拆解。
MAPLE的表面层级指标测量答案的恢复和破坏，其中恢复指原本答错的题目在KEE干预后答对，破坏指原本答对的题目反而答错。
MAPLE的概率层级指标测量未被恢复的失败案例中正确token（金标token）的排名是否发生偏移，即便答案最终未被纠正，金标排名上升也说明技术正在接近正确答案。
MAPLE的超越采样层级检测KEE技术是否能将固定采样预算下被采样遗漏的答案重新拉回可及范围，从而区分知识缺失与采样运气两种截然不同的失败根源。
MAPLE的价值不在于提出新的KEE技术，而在于提供了一套理解与比较现有技术的分析透镜，帮助研究者和工程师看到'净收益'的构成并进行场景化取舍。
在大模型评估日益同质化的背景下，拆解评估维度本身就可能带来新的发现，MAPLE的研究提示追问分数背后发生了什么比刷榜更有意义。
全部知识事实 (6)
MAPLE是一个用于刻画知识提取增强（KEE）技术如何影响参数化知识提取的统一评估框架，其诊断指标从表面层级、概率层级和超越采样层级三个层级对效应进行拆解。
50%待验证MAPLE的表面层级指标测量答案的恢复和破坏，其中恢复指原本答错的题目在KEE干预后答对，破坏指原本答对的题目反而答错。
50%待验证MAPLE的概率层级指标测量未被恢复的失败案例中正确token（金标token）的排名是否发生偏移，即便答案最终未被纠正，金标排名上升也说明技术正在接近正确答案。
50%待验证MAPLE的超越采样层级检测KEE技术是否能将固定采样预算下被采样遗漏的答案重新拉回可及范围，从而区分知识缺失与采样运气两种截然不同的失败根源。
50%待验证MAPLE的价值不在于提出新的KEE技术，而在于提供了一套理解与比较现有技术的分析透镜，帮助研究者和工程师看到'净收益'的构成并进行场景化取舍。
50%待验证在大模型评估日益同质化的背景下，拆解评估维度本身就可能带来新的发现，MAPLE的研究提示追问分数背后发生了什么比刷榜更有意义。
50%