热点事件持续更新
研究揭示直接决策模型的序数标度利用偏差
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.AI 刊出论文《选择更多、决策更少：JEV 类直接决策模型中的序数尺度偏差》。作者对 JEV 1.13 与三个开源 KEV 模型进行分析，发现直接决策模型存在“序数尺度利用率偏差”，即决策阶段对候选空间的压缩：在 36 个序数数据集上，模型仅用到 67–76% 的有效 gold support；四个 nominal 任务为 87–102%；当候选数 K=14 时，利用率进一步降至 26–75%。论文还报告，采用 BA-LoRA 后训练，可把 8 个监督尺度上的 gold-relative 利用率从约 47% 提升到 86%。该工作目前以预印本形式发布，报道中未提及其他后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
arXiv 新论文指出直接决策模型存在序数尺度利用率偏差，BA-LoRA 后训练可将利用率从约 47% 提升至 86%。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.AI选择更多、决策更少：JEV 类直接决策模型中的序数尺度偏差
对 JEV 1.13 与三个开源 KEV 模型的分析发现，直接决策模型存在"序数尺度利用率偏差"，即决策阶段对候选空间的压缩。36 个序数数据集仅用到 67–76% 的有效 gold support，四个 nominal 任务为 87–102%，K=14 时利用率降至 26–75%。BA-LoRA 后训练可把 8 个监督尺度上的 gold-relative 利用率从约 47% 提到 86%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。