热点事件持续更新
研究揭示指令暴露程度决定大模型修辞方向激活能力
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv自然语言处理领域发布研究《从几何到行为：指令暴露如何解锁大语言模型中的潜在修辞方向》。该研究指出，大语言模型在预训练阶段已蕴含类比方向，但其行为层面的可访问性取决于训练过程中指令暴露的程度。研究基于Gemma-2、Llama-3.1和Qwen-2.5等覆盖2B至32B参数规模的模型展开测试，结果显示激活类比向量使Gemma-2-9B-IT模型的调和平均分从3.22提升至3.94，增幅达22%。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
研究显示激活类比向量使Gemma-2-9B-IT调和平均分提升22%，指令暴露决定修辞方向可访问性。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 自然语言处理从几何到行为：指令暴露如何解锁大语言模型中的潜在修辞方向
研究发现大语言模型在预训练阶段已蕴含类比方向，但其行为可访问性取决于训练中指令暴露的程度。基于 Gemma-2、Llama-3.1、Qwen-2.5（2B-32B）的测试显示，激活类比向量使 Gemma-2-9B-IT 调和平均分提升 22%（从 3.22 升至 3.94）。
本事件热度走势
当前热度 8·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
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。