热点事件持续更新
法语输入变体对LLM准确率与可靠性的影响
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 发布一项关于大语言模型在法语输入变体上表现的基准研究，题为《小改动，决策漂移》。该研究构建受控的法语表面变体基准，用12,600条输入评测来自两个模型家族的6个模型。结果显示：输入扰动越强，模型准确率越低，Brier score与负对数似然（NLL）越高；更大模型在高强度扰动下的准确率损失更小，但Brier score与NLL的上升并未随模型规模扩大而稳定减小；其中键盘输入错误造成的性能损失最大。研究据此指出，表面层次的细微改动即可引发模型决策漂移。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新研究以12,600条法语变体输入评测6个模型，发现键盘输入错误造成损失最大。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小改动，决策漂移：LLM 在法语输入变体上的准确率与可靠性基准评测
研究构建受控法语表面变体基准，用 12,600 条输入评测两个 LLM 家族的 6 个模型，发现扰动越强准确率越低、Brier score 与 NLL 越高。更大模型在高强度扰动下准确率损失更小，但 Brier score 与 NLL 的上升并未随规模稳定减小，键盘输入错误造成的损失最大。
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。