研究者提出Zero-CoT方法检测模型数据污染
热点事件持续更新
研究者提出Zero-CoT方法检测模型数据污染
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
Yifan Lan等研究者提出Zero-CoT Probe（ZCP），通过截断模型生成的完整思维链，检测大型语言模型中的直接和规避式数据污染；报道所述实验显示，该方法能稳健识别这两类污染。 ZCP比较模型在原始基准与同构扰动参考数据集上的零思维链表现，并用 Contamination Confidence 衡量污染的可能性和严重程度。
AI 根据报道生成 · 55 分钟前更新
最新进展10月28日 12:00
推理的幻象：通过 Zero-CoT 截断揭示 LLM 中的规避式数据污染报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning推理的幻象：通过 Zero-CoT 截断揭示 LLM 中的规避式数据污染
研究者提出 Zero-CoT Probe（ZCP），通过截断模型完整思维链（CoT）检测 LLM 中的直接及规避式数据污染。ZCP 对比模型在原始基准与同构扰动参考数据集上的 zero-CoT 表现，并以 Contamination Confidence 衡量污染可能性和严重程度；实验显示该方法能稳健检测两类污染。
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。