上下文先验下神经解码置信度排序反转研究
Get the story
2026年10月7日，arXiv Information Retrieval发布一手研究《上下文先验下神经解码的置信度排序反转》。研究在MEG-MASC和MOUS语音检索任务中发现，经加性浅融合引入的上下文先验会重塑候选分数，使残留错误获得更高置信度。合并正确率的AUROC为0.87；但区分修复与残留错误的AUROC从初始排名2-3时的0.70降至排名21-50时的0.39，且排名20之后的错误占融合后错误的46.6%。目前报道仅此一项结果，尚未见后续验证或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Information Retrieval上下文先验下神经解码的置信度排序反转
研究发现，在 MEG-MASC 和 MOUS 语音检索中，经加性浅融合的上下文先验会重塑候选分数，使残留错误获得更高置信度：合并正确率 AUROC 为 0.87，但区分修复与残留错误的 AUROC 从初始排名 2-3 的 0.70 降至 21-50 的 0.39，排名 20 之后的错误占融合后错误的 46.6%。
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.