热点事件持续更新
论文探索无标注证据下通过后训练恢复支持证据
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv发布的一项自然语言处理研究针对仅有判决结果、缺乏人工证据标注的场景，评估了小语言模型恢复支持证据的能力。在ContractNLI评测中，仅标签训练使模型准确率达到0.896、跨度F1达到0.564，逐字引用率从训练前的0.597提升至0.729；基于自动来源定位打分的拒绝采样也取得了0.797的准确率与0.556的跨度F1。该研究证实，仅标签后训练与拒绝采样两种方法均能在零证据标注下有效提升证据恢复质量。
AI 根据报道生成 · 4 小时前更新
最新进展10月7日 12:00
研究证实仅标签后训练与拒绝采样均可在零证据标注下提升证据恢复质量。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 自然语言处理缺乏标注证据的判决：通过拒绝采样还是仅标签后训练恢复证据？
研究针对仅保留判决结果且缺少证据标注的场景，评估了小语言模型无需人工证据标签、仅凭判决后训练恢复支持证据的能力。在 ContractNLI 评测中，仅标签训练使准确率达到 0.896、跨度 F1 达到 0.564，逐字引用率从训练前的 0.597 提升至 0.729。基于自动来源定位打分的拒绝采样也达到 0.797 准确率与 0.556 跨度 F1，证实两种方法均能在零证据标注下提升证据恢复质量。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 13:00）·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。