论文：录用预测器排名一致但改写评分不一致

Shaoliang Yang 在 arXiv 发布论文（arXiv:2611.06789），比较一个词与文档特征分类器和两个基于同一 30 亿参数语言模型微调的开源论文录用预测器，发现它们对 ICLR 198 篇论文的排序较为一致，但对哪些段落改写会提高分数没有可检测的一致性。 以 32-bit 全精度重打分后，编辑一致性仍接近零；每个预测器从 5 个改写中选优时，平均原始得分仅比随机选择高不到 2 分（满分 100）。论文称该结论仅覆盖演示性改写和同一模型家族的两个开源预测器，能否推广到昂贵的评估器尚未测试。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。