研究提出CPA反事实增强方法 显著提升小型LLM裁判性能
Start here
2026年11月2日，相关研究提出了“反事实成对增强”（CPA）方法，旨在解决小型单点LLM裁判难以锁定判定边界的问题。该方法主要通过合成相反标签的反事实响应并实施联合微调。在针对6个二元标准的Qwen3-8B LoRA适配器测试中，以单点模式部署的CPA推动平均pointwise macro-F1提升2.5点。这一表现全面优于模型合并方案，且相比前沿零样本裁判Gemini 3.6 Flash高出11.8点。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能CPA 反事实成对增强提升小型单点 LLM 裁判性能
研究提出反事实成对增强（CPA），通过合成相反标签的反事实响应并联合微调，解决小型单点 LLM 裁判难以锁定判定边界的问题。在 6 个二元标准的 Qwen3-8B LoRA 适配器测试中，以单点模式部署的 CPA 使平均 pointwise macro-F1 提升 2.5 点，全面优于模型合并方案，并超越前沿零样本裁判 Gemini 3.6 Flash 达 11.8 点。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.