跳到正文
热点事件持续更新

研究揭示SFT致NLG置信度校准变化

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年10月30日，一项基于arXiv:2604.08974的研究发布，探讨了监督微调（SFT）对自然语言生成置信度校准的影响。该研究由Lorenzo Jaime Yu Flores等人提出。 研究覆盖翻译、问答及数学推理等任务，在216种配置中，有112种配置的校准性能发生降级，104种得到改进。研究发现，校准变化受训练分布接近度等非质量因素影响，且无法在微调前预判变化方向。 这一结果表明，现有置信度指标在微调后无法直接可靠部署，识别正确答案的实用性大幅下降。该发现突显了开发校准鲁棒的不确定性量化方法的必要性。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
SFT 对置信度评分敏感度的影响：现有 NLG 置信度指标无法直接部署

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · NLP
    SFT 对置信度评分敏感度的影响：现有 NLG 置信度指标无法直接部署

    研究发现监督微调（SFT）会显著改变自然语言生成任务的置信度校准，在 216 种配置中 112 种降级、104 种改进。 校准变化受训练分布接近度等非质量因素影响，且无法从微调前模型预判方向，导致置信度识别正确答案的实用性大幅下降。 现有置信度指标在微调后无法直接可靠部署，突显了开发校准鲁棒不确定性量化方法的必要性。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

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。