ELBP架构实现本地行为预测

研究人员Adeyemi Adeseyi等发布ELBP架构及相关实验结果。该架构为四层设计，结合确定性交互处理、双视图行为表示、SLM预测及证据验证与弃权机制。 研究评估了三个3B参数或以下的指令微调模型。结果显示，Qwen2.5-3B在ELBP配置下全量F1达0.80，PR-AUC为0.84，较XGBoost提升17.6%；引入证据验证与弃权机制后，选择性F1升至0.84，证据支持率达96%。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。