4B 模型学 11.7 万条决策样本：各项媲美 Jev，唯独读不懂讽刺
SRSchmidgall · x · 2026-10-31
askalphaxiv 与 OpenResearch 合作，在 117k+ 条决策示例上训练了一个 4B 决策模型。评测显示它几乎在所有方面与 Jev 表现一致，唯独讽刺检测（sarcasm detection）是常见失败模式。有趣的是，模型在评估中能泛化到未见过任务，如仇恨言论严重度分级、情绪识别和意图分类。
「研究」频道最新
- AA-Omniscience v1.1 发布：Gemini 4 Carbon 居首，部分中国模型暴跌 20 分 — ArtificialAnlys · 2026-10-31
- 圣塔菲研究所推出社会科学基于主体建模的交互式编史 — round · 2026-10-31
- 北大 DragMesh 入选 IJCV:一次拖拽让静态 3D 资产变成可动关节体 — jiqizhixin · 2026-10-31
- 实测打脸：提高 reasoning effort 几乎不提升 Agent 抓错率 — TruthDeep8659 · 2026-10-31
- 《The Proof in the Code》入选年度最佳非虚构：讲述 Lean 与人机协作崛起 — rbhar90 · 2026-10-31
- T-DIG:用一个 LLM 控制任意文生图模型,无需访问权重 — simi_97k · 2026-10-31