研究提出 Control Map 框架，评估测试时模型更新
原文标题：Beyond Update Counts: A Control Map for Evaluating Test-Time Model Updates
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出仅用更新次数或频率评估测试时更新会掩盖「更新了什么、在哪、何时、以何顺序」的差异，提出 Control Map 框架记录每次评分答案前的已提交更新。实验显示：760M 参数模型上 24 种相同更新次数的调度准确率在 19.7%-34.2% 间波动；ROME 在 13 个操作点均保留编辑但全部违反局部性。作者主张评测应分别报告获取、保持与局部性。
- 问题
- 仅用更新次数或频率评估测试时更新，掩盖了更新内容、位置、时机与顺序的差异。
- 方法
- 提出 Control Map 框架，记录每次评分答案前的已提交更新，分别评估获取、保持、局部性与新场景表现。
- 结果
- 760M 模型上 24 种同次数调度准确率在 19.7%-34.2% 间波动；ROME 在 13 个操作点均保留编辑但全部违反局部性。
- 影响
- 模型编辑与记忆系统的评测需拆成获取、保持、局部性三项分别报告，单看更新次数会误判。
深读 · 结论先行AI 生成展开看要点与影响 ↓
760M模型上24种同更新次数的调度，准确率相差19.7%到34.2%。
- •Control Map记录每次评分答案前已提交的更新，区分获取、保持、局部性与新场景表现
- •760M参数检查点上，24种更新次数相同的调度准确率在19.7%-34.2%间波动
- •六个CounterFact LoRA设置均学会新信息；ROME在13个操作点全部保留编辑但全部违反局部性
- •论文证明计数何时能单独决定最终状态，并给出前序历史差异对平均分差异的限制
为什么重要：说明仅用更新次数或频率评估测试时更新会掩盖关键差异，对做模型编辑评测的团队是方法论提醒。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。