arXiv 论文提出 Span Readout 与选择性适配改进 JEV 蕴含重排序
热点事件持续更新
arXiv 论文提出 Span Readout 与选择性适配改进 JEV 蕴含重排序
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Haocheng Mei 在 arXiv 发布论文（arXiv:2610.35654），提出将 mean-span 池化与选择性骨干适配结合用于 JEV 蕴含重排序：在 attention 与 gated DeltaNet 投影中保留低秩更新、移除前馈 adapter。论文称在覆盖七个来源、十一种重排序配置的 MC11 基准上，选择性适配使 NeoHorse-1-4B 准确率超过全模块基线，可训练参数减少一半以上，mean-span 池化在不增加 head 参数的情况下带来进一步提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 00:02
用 Span Readout 与选择性适配改进 JEV 蕴含重排序报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.CL用 Span Readout 与选择性适配改进 JEV 蕴含重排序
一项 arXiv 研究（arXiv:2610.35654）探讨语言模型在 JEV 蕴含重排序中的 readout 与适配选择，提出将 mean-span 池化与选择性骨干适配相结合：在 attention 与 gated DeltaNet 投影中保留低秩更新、移除前馈 adapter。在覆盖七个来源、十一种重排序配置的 MC11 基准上，选择性适配使 NeoHorse-1-4B 准确率超过全模块基线，同时可训练参数减少一半以上，mean-span 池化在不增加 head 参数的情况下带来进一步提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。