多域混合训练提升检测器OOD性能
热点事件持续更新
多域混合训练提升检测器OOD性能
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
CMU等研究者在EMNLP论文中提出多域混合训练方案：用来自12个开源问答数据集的69.7万条样本训练监督式幻觉检测器，并按需补充任务数据；在短问答分布外场景中，其平均性能较无监督方法高7.25%。 实验覆盖11个数据集和10个模型。作者称，该方案无需任务专属数据，模型最多可减少40.3%的任务数据用量而接近最优性能。
AI 根据报道生成 · 3 小时前更新
最新进展10月25日 16:28
EMNLP 论文：多域混合训练让监督式幻觉检测器 OOD 性能反超无监督方法 7.25%报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- AGI HuntEMNLP 论文：多域混合训练让监督式幻觉检测器 OOD 性能反超无监督方法 7.25%
CMU 等研究者的 EMNLP 论文提出多域混合训练方案，使监督式幻觉检测器在短问答 OOD 场景平均反超无监督方法 +7.25%。实验覆盖 11 个数据集、10 个模型，使用来自 12 个开源 QA 数据集的 69.7 万条样本；无需任务专属数据，模型最多可少用 40.3% 的任务数据即接近最优性能。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月25日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。