Yifan Lan 等提出 Zero-CoT Probe 检测 LLM 数据污染
热点事件观察中
Yifan Lan 等提出 Zero-CoT Probe 检测 LLM 数据污染
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv 上线一项由 Yifan Lan 等提出的新研究，旨在解决大语言模型中隐蔽的数据污染问题。 该研究提出名为 Zero-CoT Probe (ZCP) 的黑盒检测方法，通过截断思维链（CoT）过程，揭示模型中隐藏的捷径映射。 方法利用零 CoT 性能与同构扰动参考数据集进行对比，并引入“污染置信度”指标，以量化数据污染的概率及严重程度。 在已识别及特别微调的污染模型上开展的实验证明，ZCP 能够稳健地检测出直接和规避性的数据污染。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
揭示 LLM 中规避性数据污染的 Zero-CoT 截断方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · AI揭示 LLM 中规避性数据污染的 Zero-CoT 截断方法
研究提出 Zero-CoT Probe (ZCP) 黑盒检测法，通过截断 Chain-of-Thought 过程来揭示 LLM 中隐藏的规避性数据污染。 该方法将零 CoT 性能与同构扰动参考数据集对比，并引入 Contamination Confidence 指标量化污染的概率和严重程度。 在已识别及特别微调的污染模型上进行的实验证明，ZCP 能稳健地检测出直接和规避性的数据污染。
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。