热点事件持续更新

研究考察决策编码器LLM标注数据量与噪声容忍度

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Mohammed Nayeem Khan 和 Aliyas Ahmad Misri 发布 arXiv 论文（arXiv:2611.16498），考察决策编码器 Laya（ModernBERT-large）需要多少 LLM 标注训练数据及标签噪声容忍度。他们对 2,818 行数据池进行 19 次微调，在 1,065 条留出数据上评分：准确率从微调前的 69.4% 升至全量数据的 86.9%。噪声容忍方面，论文称 10% 对称标签噪声未造成可检测变化（-0.2 点），20% 噪声损失 3.4 点，40% 损失 8.7 点。作者在论文中说明结果的适用限制：数据全部为合成、LLM 标注，且仅用单一骨干模型、单一训练流程、多为单一种子；所有测试项均为分布内，未做分布外测试。

AI 根据报道生成 · 29 分钟前更新

最新进展11月14日 13:00

决策编码器需要多少 LLM 标注数据，标签错到什么程度仍可用？

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
决策编码器需要多少 LLM 标注数据，标签错到什么程度仍可用？
一项 arXiv 研究考察决策编码器 Laya（ModernBERT-large）需要多少 LLM 标注训练数据以及标签噪声的容忍度。对 2,818 行数据池的 19 次微调显示，准确率从微调前的 69.4% 升至全量数据的 86.9%，且 10% 对称标签噪声未造成可检测变化（-0.2 点），20% 噪声损失 3.4 点、40% 损失 8.7 点。

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。