跳到正文
热点事件持续更新

研究者发布校准证据推断模型

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

Johann Emmanuel Li 发表论文并发布一款基于 Qwen3-4B-Base 微调的证据推断模型，可将随机试验结果分类为显著增加、显著减少或无显著差异。模型以 Apache License 2.0 发布，可在笔记本电脑上运行；微调仅使用 2,657 篇训练文章中符合 CC BY、CC0 或公共领域许可的 1,431 篇。 在测试集上，模型的预期校准误差为 0.017，macro-F1 为 0.925；选取置信度最高的 80% 答案时，这部分答案的错误率为 2.6%。

AI 根据报道生成 · 3 小时前更新

最新进展10月16日 12:00
Qwen3-4B-Base 微调模型用于校准证据推断

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv · Machine Learning
    Qwen3-4B-Base 微调模型用于校准证据推断

    论文使用低秩适配器和分类头微调 Qwen3-4B-Base，用于将随机试验结果分类为显著增加、显著减少或无显著差异。模型仅在符合 CC BY、CC0 或公共领域许可的 1,431 篇训练文章上微调，采用 Apache License 2.0 发布并可在笔记本电脑上运行。测试集上的预期校准误差为 0.017，macro-F1 为 0.925；接受最有信心的 80% 答案时，其中错误率为 2.6%。

本事件热度走势

可比范围当前
7
可比范围峰值
810月16日 21:00
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。