LLM时间表达抽取多维泛化能力评测
Get the story
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。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- 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。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·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.