English(EN) What Else Needs Fixing? Exploring Cost-Effective Test-Time Compute for Revision Propagation in Artifacts Generated Through Conversation

新研究评估大型语言模型通过对话修订工件的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

一篇新研究论文探讨了大型语言模型（LLM）如何根据对话反馈有效修订生成的工件。该研究引入了一个基准来评估LLM在用户仅指定局部更改时，识别和传播修订跨工件的能力。使用GPT OSS 20B和Qwen3.5-122B等模型进行的实验表明，通过LLM或medoid选择从并行样本中进行选择，是提高修订准确性最具成本效益的方法。 AI

影响这项研究可能带来更直观、更高效的AI辅助内容创建和编辑工具。

排序理由该集群包含一篇详细介绍新基准和LLM能力评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新基准和LLM能力评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Daisuke Kikuta · 2026-09-04 04:00

还有什么需要修复？探索通过对话生成的工件中用于修订传播的成本效益测试时间计算

arXiv:2609.03254v1 Announce Type: new Abstract: Large Language Models (LLMs) often help users generate artifacts through iterative cycles of generation and revision in conversation. A challenge here is that, when users specify only a local change during revision, LLMs must instea…

本文如何被排名

报道来源 [1]

还有什么需要修复？探索通过对话生成的工件中用于修订传播的成本效益测试时间计算

相关实体

相关话题