PulseAugur
实时 20:03:37
实体 Leave-One-Dataset-Out

Leave-One-Dataset-Out

PulseAugur coverage of Leave-One-Dataset-Out — every cluster mentioning Leave-One-Dataset-Out across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_154542 ·

    研究揭示基准测试夸大了大型语言模型提示攻击的检测准确性

    一篇新发表在arXiv上的研究论文指出了恶意提示分类器评估中存在的重大问题。该研究题为“当基准测试撒谎时:在真实分布变化下评估恶意提示分类器”,引入了一种“仅排除一个数据集”(Leave-One-Dataset-Out, LODO)的评估方法,该方法揭示了当前基准测试夸大了模型的泛化能力。研究人员发现,标准的交叉验证方法报告的准确性高于LODO方法,在包括Llama-3.1-8B、Gemma-3-27B和Qwen-3.5模型在内的各种…