Skip to content
Hot eventLive

LQET：基于证据来源的信念更新训练方法

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv（Artificial Intelligence，一手来源）发表研究，提出 Latent Quotient Evidence Training（LQET），让语言模型依据证据来源而非报告次数更新信念。在受控二分类基准上，Qwen3-4B 与 Phi-4-mini 的新证据更新 RMSE 降低 41-44%，八轮中继后的对数几率漂移降低 89-91%，每个骨干模型使用三组配对训练种子。研究称增益延伸到闭环模拟，模型置信度控制后续轮次中有多少中继报告重新进入上下文。

Generated from reports · updated 2 hr ago

LatestOct 12
arXiv新研究提出LQET，按证据来源更新信念，受控基准RMSE降41-44%、漂移降89-91%。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Artificial Intelligence
    人机反馈循环中的来源感知信念更新

    研究提出 Latent Quotient Evidence Training（LQET），让语言模型依据证据来源而非报告次数更新信念。在受控二分类基准上，Qwen3-4B 与 Phi-4-mini 的新证据更新 RMSE 降低 41-44%，八轮中继后的对数几率漂移降低 89-91%，每个骨干模型使用三组配对训练种子。增益延伸到闭环模拟，模型置信度控制后续轮次中有多少中继报告重新进入上下文。

Heat trend

There is not enough continuous observation data to draw a trend yet.