arXiv · cs.CL· Ziquan Wang·· 6 天前AI 评分41
LLM 何时能在检索式表格分类中超越投票带来增益？
Beyond the Vote: When Do LLMs Add Value to Retrieval-Based Tabular Classification?
来源与原文
arXiv · cs.CL
作者：Ziquan Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.29520v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究比较 4 个通用 LLM 与距离加权最近邻投票（Distance-KNN），在 19 个表格分类数据集上使用相同检索邻居。结果显示，在任何候选池规模下 Distance-KNN 平均准确率最高；LLM 的增益集中在检索邻居标签一致性低的场景，且在特征距离最近和中等邻域内部分 LLM 能胜出，但在最远距离组全部平均落后。
来源：arXiv · cs.CL · arxiv.org