热点事件持续更新
测试时模型更新评估框架Control Map发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，研究团队在arXiv发布论文，提出名为Control Map的评估框架。该框架通过追踪作答前的更新历史，旨在独立评测测试时模型更新的即时学习、后续召回与局部保留能力。在760M参数模型上的实验显示，相同更新次数下，24种不同调度策略导致的准确率在19.7%至34.2%之间大幅波动。此外，测试发现模型编辑方法ROME在全部13个操作点均破坏了局部保留能力，且现有编辑方法没有一种能在各基准上持续保持最优。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队提出Control Map框架，实验揭示不同更新调度策略致准确率大幅波动。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习超越更新次数：评估测试时模型更新的 Control Map 框架
研究团队提出 Control Map 评估框架，通过追踪作答前的更新历史，独立评测测试时模型更新的即时学习、后续召回与局部保留能力。实验表明，在 760M 参数模型上，相同更新次数的 24 种调度策略导致准确率在 19.7%–34.2% 之间大幅波动。测试还发现 ROME 在全部 13 个操作点均破坏了局部保留能力，且没有任何编辑方法能在各基准上持续最优。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28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。