研究显示引用数量与多样性影响人类与LLM偏好判断
热点事件持续更新
研究显示引用数量与多样性影响人类与LLM偏好判断
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yu Hou 等研究者发布一篇 EMNLP 2026 论文（arXiv:2608.21376），研究科学问答场景下引用如何影响人类评审员与四个开源 LLM 的两两偏好判断，并用混合效应模型进行分析。核心发现是：人类偏好引用更多样但总数更少的回答；LLM 在无法访问引用来源的情况下仍表现出一定的引用偏好，但效果取决于所用数据和具体模型。 作者据此讨论了对偏好数据收集的意义：收集偏好数据时引用的呈现方式可能系统性地影响标注结果。
AI 根据报道生成 · 56 分钟前更新
最新进展10月23日 12:00
论引用在偏好数据中的作用：人类与开源 LLM 如何评估引用报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI论引用在偏好数据中的作用：人类与开源 LLM 如何评估引用
一项 EMNLP 2026 论文研究了科学问答场景下，引用如何影响人类评审员与四个开源 LLM 的两两偏好判断，并用混合效应模型分析其作用。核心发现是人类偏好更多样的引用但总体数量更少；LLM 在无法访问引用来源的情况下仍表现出一定的引用偏好，但取决于数据与具体模型。作者还讨论了这些发现对偏好数据收集的意义。
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。