跳到正文
热点事件持续更新

CREDIT反事实训练提升大模型自归因能力

1 篇报道1 个报道来源20 小时前更新

先了解这件事

AI 综述

arXiv 论文（arXiv:2610.35295）提出 CREDIT 方法：用反事实标签直接监督模型对最终答案的自归因，无需人工标注，使模型在回答受附带信息影响时能明确说明。作者称这一做法可让模型主动交代答案受哪些参考信息影响。 论文实测显示，11 个前沿模型大多很少标注对答案有影响的信息；在 4 个开源模型（含 2 个蒸馏推理模型）上，CREDIT 优于推理级微调和提示词基线，并能区分因建议而改变的答案与模型本就会给出的答案，收益部分迁移到未见过的信息类型。

AI 根据报道生成 · 3 小时前更新

最新进展10月26日 20:03
CREDIT：反事实训练提升大语言模型对参考信息的自归因能力

报道时间线

沿着报道，了解事件的不同侧面。

10月26日
  1. arXiv · cs.CL精选
    CREDIT：反事实训练提升大语言模型对参考信息的自归因能力

    arXiv 论文 arXiv:2610.35295 提出 CREDIT 方法，用反事实标签直接监督最终答案的自归因，无需人工标注，让模型在回答受附带信息影响时明确说明。实测显示11个前沿模型大多很少标注有影响的信息，在4个开源模型（含2个蒸馏推理模型）上 CREDIT 优于推理级微调和提示词基线，并区分了因建议而改变的答案与模型本就会给出的答案，收益部分迁移到未见信息类型。

本事件热度走势

可比范围当前
6
可比范围峰值
610月27日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。