分数更高不等于更稳
sanmikoyejo · x · 2026-07-16
这条补充指出：上下文诱发的不稳定性会随着模型开发阶段变化而变化，甚至在 benchmark 准确率提升后反而更明显，尤其是在后训练阶段。
作者的核心结论是：更高的总体性能，并不必然意味着对无关上下文更鲁棒。
「研究」频道最新
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- 研究者发现「Forking」现象：训练损失下降验证损失反升 — ZimingLiu11 · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26