热点事件持续更新
论文提出用长尾性能评估LLM创造力并引入q@Tail指标
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
该研究提出以参考输入-输出分布长尾中的任务特定表现来形式化 LLM 创造力，基于新颖性-质量乘积框架构建评估方法，并引入 q@Tail 指标。研究在 15 个基准和 26 个开放权重模型上开展实证，采用预训练数据 n-gram 缺失作为新颖性代理，以衡量模型在长尾任务上的表现。目前未见后续验证或争议报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
arXiv 新论文提出以长尾任务表现形式化 LLM 创造力并实证验证。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Computation and Language通过长尾表现评估 LLM 创造力
研究提出用参考输入-输出分布长尾中的任务特定表现来形式化 LLM 创造力，基于新颖性-质量乘积框架，在 15 个基准和 26 个开放权重模型上以预训练数据 n-gram 缺失作为新颖性代理进行实证。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 12:00）·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。