热点事件持续更新

arXiv论文研究用户适应性与提示内生性对LLM评测的影响

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

Hannah Li 在 arXiv 论文（arXiv:2611.17239）中研究用户自适应交互与提示内生性对 LLM 评测的影响。论文指出，用户在与模型交互过程中会调整提示方式，使输入分布并非固定，这对以固定提示集比较模型表现的常规评测方法构成挑战。论文定义了两类比较量：common-distribution effect 与 induced-distribution effect，用于刻画在不同分布情形下模型表现的比较。

AI 根据报道生成 · 2 小时前更新

最新进展11月14日 13:00

arXiv 论文研究用户自适应交互下 LLM 评测的挑战

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
arXiv 论文研究用户自适应交互下 LLM 评测的挑战
Hannah Li 在 arXiv 论文（arXiv:2611.17239）中研究用户自适应与提示内生性对 LLM 评测的影响，定义了 common-distribution effect 与 induced-distribution effect 两类比较量。

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。