★ 3
CPA 反事实成对增强提升小型 LLM 评判器
论文提出 CPA（反事实成对增强），为每个逐点评分样本合成并审核一个反事实回答，构成成对任务与逐点数据联合微调。在 Qwen3-8B LoRA 适配器上，CPA 使六项二元标准的平均宏 F1 提升 2.5 点，并超过 Gemini 3.6 Flash 11.8 点。
arXiv cs.AI3 小时前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 CPA（反事实成对增强），为每个逐点评分样本合成并审核一个反事实回答，构成成对任务与逐点数据联合微调。在 Qwen3-8B LoRA 适配器上，CPA 使六项二元标准的平均宏 F1 提升 2.5 点，并超过 Gemini 3.6 Flash 11.8 点。
论文针对工具调用型 LLM 智能体在不确定情境下的决策难题，构建了 ToolSandbox 上首个反事实数据集，包含 1036 个决策点的 3115 条动作结果。基于该数据训练的 SURE-Act 控制器在推理时为冻结主干智能体选择动作，使 Qwen3-4B 智能体的整体得分提升最多 0.0575…