热点事件持续更新
多模态模型在等效光学光谱决策中缺乏一致性
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026年11月3日，arXiv机器学习板块发布的一项研究显示，d3-nano、Jev 1.13、GPT-6 Luna及Qwen3.5-2B等多模态模型在等效光学光谱上缺乏表征一致性。评测表明，仅改变呈现格式，模型准确率波动即可达41个百分点；更换提问单位会导致表现提升16至50个百分点，或下降高达25个百分点。此外，在数据缺失时，未适配的模型极少主动拒答；通过LoRA微调的d3-nano易学到“截断即拒答”的捷径。目前，该研究涉及的评测任务与代码已开源。
AI 根据报道生成 · 11 小时前更新
最新进展11月3日 13:00
最新研究发现多模态模型在等效光谱决策中缺乏一致性，评测任务与代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 机器学习多模态模型在等效光学光谱上的决策是否一致？
评测表明，d3-nano、Jev 1.13、GPT-6 Luna 及 Qwen3.5-2B 在等效光学光谱上缺乏表征一致性，仅改变呈现格式准确率波动便达 41 个百分点。更换提问单位会使表现提升 16-50 点或下降达 25 点，且数据缺失时未适配模型极少主动拒答。d3-nano 经 LoRA 微调易学到截断即拒答的捷径，相关评测任务与代码已开源。
本事件热度走势
当前热度 7·可比范围峰值 9（11月3日 18:00）·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。