热点事件持续更新
研究提出通过长尾性能评估大模型创造力的方法
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12日，arXiv自然语言处理领域发布研究，提出将大语言模型（LLM）的创造力形式化为参考输入-输出分布长尾区域中的任务特定表现。研究团队基于15个基准和26个开源模型展开实证评估，实验结果显示，创造力基准均位于更靠后的长尾区域，且模型在长尾子集上的排名与LM-Arena的人类创造力判断表现出更高的一致性。在此基础上，研究提出了一种低成本诊断指标q@Tail(α)，用以衡量现有基准长尾部分的平均任务质量。
AI 根据报道生成 · 6 小时前更新
最新进展10月12日 12:00
研究提出低成本指标q@Tail(α)，通过长尾子集表现评估大模型创造力。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理通过长尾表现评估 LLM 创造力
研究提出将 LLM 创造力形式化为参考输入-输出分布长尾区域中的任务特定表现，并基于 15 个基准和 26 个开源模型进行了实证评估。实验表明创造力基准位于更靠后的长尾区域，且长尾子集的模型排名与 LM-Arena 的人类创造力判断更为一致。据此提出的低成本诊断指标 q@Tail($\alpha$) 可衡量现有基准长尾部分的平均任务质量。
本事件热度走势
当前热度 8·可比范围峰值 10（10月12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。