热点事件持续更新
研究者提出零样本跨域知识追踪方法TIZSKT
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11月2日，相关研究者在arXiv发布论文，提出零样本跨域知识追踪方法TIZSKT。该方法将文本作为索引而非直接预测表征，解耦了行为序列建模与领域内历史证据构建。模型的所有可训练参数均在源域进行学习，在目标域推理时仅依赖公开题目文本与学生作答历史，无需在目标域开展额外训练。在3个公开数据集的留一领域实验中，TIZSKT在所有目标领域均取得了评估基线中最高的平均AUC与准确率。
AI 根据报道生成 · 4 小时前更新
最新进展11月2日 13:00
研究者提出无需目标域训练的TIZSKT方法，在3个公开数据集实验中取得最高平均AUC与准确率。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理TIZSKT：将文本作为索引用于零样本跨域知识追踪
研究提出零样本跨域知识追踪方法 TIZSKT，将文本作为索引而非直接预测表征，解耦行为序列建模与领域内历史证据构建。模型所有可训练参数均在源域学习，目标域推理仅依赖公开题目文本与学生作答历史，无需目标域训练。在 3 个公开数据集的留一领域实验中，TIZSKT 在所有目标领域均取得评估基线中最高的平均 AUC 与准确率。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。