热点事件持续更新
LLM时间表达抽取多维泛化能力评测
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
该研究系统评测多个模型族、架构与推理策略在时间与事件表达抽取任务中的四维泛化表现。结果显示，基础任务表现强通常预示更好泛化，但在显著分布偏移下该关系减弱。归纳式 prompting 在领域偏移、对抗扰动、组合性和长度增加上表现最稳定；规模、架构及演绎与溯因 prompting 的收益不均衡且依赖维度，LLM 泛化无法由单一维度可靠预测。论文被 AACL-IJCNLP 2026 Findings 接收。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
研究评测LLM时间抽取四维泛化，论文被AACL-IJCNLP 2026 Findings接收。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Computation and Language大语言模型时间抽取任务多维泛化能力评测
该研究系统评测多个模型族、架构与推理策略在时间与事件表达抽取任务中的四维泛化表现，发现基础任务表现强通常预示更好泛化，但在显著分布偏移下该关系减弱。归纳式 prompting 在领域偏移、对抗扰动、组合性和长度增加上表现最稳定，规模、架构及演绎与溯因 prompting 的收益不均衡且依赖维度，LLM 泛化无法由单一维度可靠预测。论文被 AACL-IJCNLP 2026 Findings 接收。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
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。