热点事件持续更新
医疗问答扰动式数据选择方法 RSP
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.CL 收录一篇关于医疗问答扰动式数据选择的论文。方法 RSP 与 RSP-Drop 借助最终块表征上的高斯扰动信号来筛选医疗问答训练子集，筛选时只使用问题和答案选项。作者在 MedGemma-4B 上使用五个医疗问答数据集，按 64、128、256 三种样本预算评估；在 128 样本主预算下，两者的数据集平均 Macro-F1 分别为 47.55 和 48.28，高于熵池匹配随机选择的 45.11。完整池消融显示，熵预过滤并非普遍有益。上述结果目前只有论文作者的单一来源，尚无第三方复现或独立评测。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新论文报告：128 样本下 RSP-Drop 宏 F1 达 48.28，高于随机选择 45.11。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL面向医疗问答的扰动式数据选择：RSP 与 RSP-Drop
RSP 与 RSP-Drop 用最终块表征的高斯扰动信号筛选医疗问答训练子集，并在 MedGemma-4B 上用五个医疗 QA 数据集、64/128/256 样本预算评估。128 样本主预算下，两者数据集平均 Macro-F1 分别为 47.55 和 48.28，高于熵池匹配随机选择的 45.11；选择时仅使用问题和答案选项，完整池消融显示熵预过滤并非普遍有益。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。