热点事件持续更新
研究提出对抗微调以提升大模型数值主张核查鲁棒性
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2日，arXiv自然语言处理领域发表的一项研究指出，通过在数值扰动样本上进行对抗微调，可以有效缓解大语言模型在数值主张核查中的脆弱性。研究显示，采用参数高效微调的小型Qwen3模型（0.6B–8B）在标签翻转扰动中取得了98.7%的准确率，优于GPT-5.4 Pro（74.0%）与Gemini 2.5 Flash（73.9%）。此外，该微调带来的鲁棒性还可成功泛化至未见过的扰动类型、西班牙语跨语言任务，以及VitaminC数据集上的证据端扰动场景。
AI 根据报道生成 · 5 小时前更新
最新进展10月2日 12:00
研究显示对抗微调的小型Qwen3在数值核查扰动中达98.7%准确率，超越GPT-5.4 Pro。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 自然语言处理迈向鲁棒的大语言模型数值主张核查
研究表明通过在数值扰动样本上进行对抗微调，可有效缓解大语言模型在数值主张核查中的脆弱性。采用参数高效微调的小型 Qwen3 模型（0.6B–8B）在标签翻转扰动中达到 98.7% 准确率，超越 GPT-5.4 Pro（74.0%）和 Gemini 2.5 Flash（73.9%）。该鲁棒性还能泛化至未见扰动类型、西班牙语跨语言任务及 VitaminC 数据集上的证据端扰动。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2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。