新方法将大语言模型评估失败与定向数据修复联系起来

研究人员开发了一种新颖的方法，以弥合大语言模型在能力评估与数据整理之间的差距。他们的方法被称为“能力切片”，通过根据共享特征（如任务类型和输出约束）对评估样本进行分组，从而能够精确地定位模型的弱点。这使得一个闭环系统得以实现，其中基准测试的失败可以系统地追溯到具体的数据干预，从而超越直观的修复，实现可审计的实验验证。 AI

影响 通过直接将评估失败与数据干预联系起来，提供了一种系统化、可审计的改进大语言模型性能的方法。

排序理由 详细介绍大语言模型评估和数据整理新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AIME2025
• AIME2026
• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• SciTE

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →