用残差流激活预测LLM评委的位置翻转
Get the story
2026年10月7日，arXiv Machine Learning Theory 发表一手研究《能否从残差流激活预测 LLM 评审的位置翻转？》。研究提出在 LLM 评审给出初始结论前，利用残差流激活预测候选顺序变化是否会导致结论翻转，从而避免对每对样本进行双向评审。实验在 534 对 JudgeBench 样本上开展，对象为三个 Qwen3 评审和 Llama-3.1-8B，采用嵌套分组交叉验证；正则化线性探针的 AUROC 为 .621–.850，比结合口头置信度、判定标签 logits、响应长度与初始选择的基线高 .062–.113。目前报道仅涉及该研究的方法与结果，未见后续验证或争议信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory能否从残差流激活预测 LLM 评审的位置翻转？
研究提出在 LLM 评审给出初始结论前，用残差流激活预测候选顺序变化是否会导致结论翻转，避免对每对样本双向评审。研究在 534 对 JudgeBench 样本上对三个 Qwen3 评审和 Llama-3.1-8B 做嵌套分组交叉验证，正则化线性探针 AUROC 为 .621-.850，比结合口头置信度、判定标签 logits、响应长度与初始选择的基线高 .062-.113。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.