★ 4
AI 评审训练 AI 评审：科学判断坍缩与缓解
论文研究 AI 同行评审的递归反馈：以 Llama 3.1 8B 为起点，用 ICLR 官方评审微调后，再用官方与模型生成评审的混合数据训练后继模型。发现引入合成评审会压缩评分分布、降低语义多样性，称之为「科学判断坍缩」。作者提出开源系统 TrustReviewer，通过训练期数据筛选与测试期激活…
arXiv cs.LG42 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究 AI 同行评审的递归反馈：以 Llama 3.1 8B 为起点，用 ICLR 官方评审微调后，再用官方与模型生成评审的混合数据训练后继模型。发现引入合成评审会压缩评分分布、降低语义多样性，称之为「科学判断坍缩」。作者提出开源系统 TrustReviewer，通过训练期数据筛选与测试期激活…
论文发布NovGauge，一个面向大模型论文新颖性评估诊断的人类锚定基准，包含619组论文对与50个多论文集合，从任务、问题、方法三个维度独立标注。研究提出级联诊断流程，验证各维度正确性、证据依据与逻辑支撑。评估18个模型显示幻觉率在0%至39%之间，且超过70%的非幻觉正确判断所引证据无法逻辑支…