研究揭示文本分类服务上下文非确定性
原文标题：Same Text, Different Prediction: Serving-Context Nondeterminism in Text Classifiers
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文系统研究了文本分类器在不同服务上下文下的非确定性，训练了 180 个模型并跨四类服务场景评估。研究发现标签稳定不代表分数稳定，仅改变批次形状在 bf16 下可移动高达 56.7 个百分点的预测概率质量。全生成式分类器比判别式分类器更易受服务变化影响。
- 问题
- 文本分类器在不同服务上下文下是否也会像生成任务一样出现非确定性。
- 方法
- 训练 180 个判别式、伪生成式、全生成式分类器，固定权重与文本，跨四类服务场景对比。
- 结果
- 仅改批次形状在 bf16 下可移动最多 56.7 个百分点的预测概率质量；全生成式分类器标签变化多于判别式。
- 影响
- 线上分类服务不能假设同输入同输出，批次形状与精度设置需纳入回归测试和稳定性设计。
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。