English(EN) Beyond Update Counts: A Control Map for Evaluating Test-Time Model Updates

新的控制图框架评估测试时模型更新

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

一个名为控制图（Control Map）的新评估框架已被引入，用于评估语言模型在测试时的模型更新。该框架超越了简单的更新计数，记录了在每个答案之前所做的具体更新，从而可以分别评估学习、记忆和更改的局部性。使用控制图进行的实验表明，更新调度对性能有显著影响，即使更新总数相同，不同的调度也会产生不同的准确率水平。研究还强调，学习新信息并不能保证其持久性或局限性，并且没有一种单一的编辑方法能在所有模型和基准测试中始终表现最佳。 AI

影响引入了一种更严格的方法来评估语言模型在训练后如何适应和保留信息，这对于实际部署至关重要。

排序理由该项目是一篇研究论文，详细介绍了一个新的语言模型评估框架。[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: 7 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇研究论文，详细介绍了一个新的语言模型评估框架。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Zehao Zhao, Shangjian Yin, Rui Liu, Chongyang Bai, Mark Ibrahim, Kavosh Asadi, Yuchen Lu, Hang Cui, Hamed Firooz · 2026-10-28 04:00

超越更新计数：用于评估测试时模型更新的控制图

arXiv:2610.36109v1 Announce Type: cross Abstract: Test-time updating lets a language model change persistent state after training---such as model weights, adapter parameters, or a memory module---before or while answering queries. Existing evaluations often compare systems using …

本文如何被排名

报道来源 [1]

超越更新计数：用于评估测试时模型更新的控制图

相关实体

相关话题