legal case outcome prediction

研究：LLM 中的少样本退化与任务相关，新指标显示

一篇新的研究论文调查了语言模型中“少样本退化”的现象，即提供示例有时会损害性能而不是提高性能。该研究在乌克兰新闻分类和法律案件结果预测任务上测试了 12 个开源模型，发现退化效应高度依赖于特定任务。研究人员开发了一种名为“内容增量”的新指标，用于将演示内容的影响与提示长度分离开来，结果表明，模型表示因演示内容而非提示长度而发生的变化是少样本性能的关键预测因子。