训练选择器使冻结语言模型追踪精确状态
热点事件持续更新
训练选择器使冻结语言模型追踪精确状态
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月20日,研究者在arXiv发布论文《Learning to Read Events for Exact State Tracking with Frozen Language Models》。该研究基于冻结语言模型,通过训练选择器读取事件转换,并利用外部整数寄存器按序组合,实现了对长事件流变化的精确状态追踪。实验数据显示,27B模型在可见推理下的正确率从3%显著提升至96%;0.8B模型在43,687个事件窗口中准确读取了全部299个目标。此外,相关处理流程使Sonnet 5.5和GPT-6.1 Sol的处理速度提升显著,每文档成本分别降低了55%和44%。
AI 根据报道生成 · 15 小时前更新
最新进展11月20日 13:00
基于冻结语言模型的事件状态追踪学习方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML基于冻结语言模型的事件状态追踪学习方法
训练选择器读取冻结语言模型识别长事件流变化,外部整数寄存器按序组合。 27B模型在可见推理下正确率从3%升至96%;0.8B模型在43,687事件窗口中准确读取299/299。 Sonnet 5.5和GPT-6.1 Sol处理速度提升显著,每文档成本分别降低55%和44%。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月21日03:00
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。