论文提出PECA：让小模型临床推理更简洁且更准
热点事件持续更新
论文提出PECA：让小模型临床推理更简洁且更准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Tanzeel Abbas 等作者在arXiv发布论文（arXiv:2611.17128），提出PECA方法：在QLoRA监督微调目标中加入一个可微简洁项，当生成超出token预算时提高序列结束概率，从而控制回答长度，无需偏好数据、辅助模型或专属教师模型。 据论文，PECA将平均回答长度缩短72.8%，同时把多选题诊断准确率从40.8%提升到44.0%。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
PECA：面向小模型临床推理的可微长度控制简洁化微调方法报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIPECA：面向小模型临床推理的可微长度控制简洁化微调方法
论文提出 PECA（Parameter-Efficient Conciseness Adaptation），在 QLoRA 监督微调目标中加入可微简洁项，通过在生成超出 token 预算时提高序列结束概率来控制回答长度，无需偏好数据、辅助模型或专属教师模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。