热点事件持续更新
研究人员提出SemTree语义决策树框架
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月14日，研究人员在arXiv发布论文，提出名为SemTree的裁判感知语义决策树框架。该框架将内容审核等规则决策表示为自然语言语义决策树，由可拔插裁判进行判断，并支持在出错节点直接修复。测试数据显示，在8,276个ShARC测试用例上，SemTree达到67.70%的准确率，且平均每例仅需2.99个问题，与直接询问裁判的68.23%效果相当。此外，其节点级修复功能使BANKING77数据集的准确率从82.04%提升至86.16%，豁免节点设计也将某电商审核场景中的假阳性从24例降至5例。
AI 根据报道生成 · 5 小时前更新
最新进展10月14日 12:00
研究人员提出SemTree框架，可将规则决策转化为可审查修复的语义决策树。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv 机器学习SemTree：用于可审查与可修复规则决策的裁判感知语义决策树
研究人员提出 SemTree 框架，将内容审核等规则决策表示为自然语言语义决策树，由可拔插裁判判断并在出错节点直接修复。在 8,276 个 ShARC 测试用例上，该树达到 67.70% 准确率且每例仅需 2.99 个问题，与直接询问裁判的 68.23% 相当。节点级修复使 BANKING77 准确率从 82.04% 提升至 86.16%，豁免节点将某电商审核假阳性从 24 降至 5。
本事件热度走势
当前热度 8·可比范围峰值 9（10月14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。