English(EN) Where Do Test-Time Scaling and Training Fall Short in Individual Stance Prediction?

新方法通过解决LLM训练失败问题来改进立场预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

研究人员在将测试时缩放和训练后技术应用于个体立场预测任务时，识别出了四种失败模式。这些失败包括不正确的共识、选择错误、微调过程中的响应过拟合以及强化学习中的早期平台期。为了解决这些问题，开发了一种结合直接立场分数和用户历史显式评估的新方法。该方法在使用Qwen3-8B模型在测试集上取得了更高的宏F1分数，优于单独的直接评分。 AI

影响这项研究强调了当前LLM微调和缩放方法在立场预测等细微任务中的局限性，并提出了新的评估策略。

排序理由研究论文，详细介绍了LLM立场预测的方法和发现。[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: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文，详细介绍了LLM立场预测的方法和发现。[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) · Yuyang Zhao, Xuan Liu, HaoYang Shang, Haojian Jin · 2026-10-07 04:00

在个体立场预测中，测试时缩放和训练的不足之处在哪里？

arXiv:2609.33155v2 Announce Type: replace Abstract: Test-time scaling and post-training have improved LLM performance in coding and mathematical reasoning, but their effectiveness for individual stance prediction remains unclear. We study this question by predicting a person's st…

本文如何被排名

报道来源 [1]

在个体立场预测中，测试时缩放和训练的不足之处在哪里？

相关实体

相关话题