CIGA：抗表面形式偏置的指令数据选择框架
热点事件持续更新
CIGA：抗表面形式偏置的指令数据选择框架
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv Artificial Intelligence 刊出研究，作者 Jia Gu 等提出内容不变梯度归因框架 CIGA，用于大语言模型指令数据选择。报道称，现有全局梯度归因方法存在表面形式偏置：措辞或格式等语义无关细节的微小改动，即可导致归因分数高度不一致。CIGA 的应对分两步：先筛选对归因有影响、且在语义保持的表面形式扰动下稳定的层，再将归因信号与输入语义表示动态融合。多基准实验显示，CIGA 在扰动下排序更稳定，保持下游能力并提升平均性能，同时降低归因成本。目前进展停留在论文发布与实验报告层面，报道未提及代码、数据或模型是否公开，也未涉及后续应用。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
CIGA：面向 LLM 指令数据选择的抗表面形式偏置梯度归因框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial IntelligenceCIGA：面向 LLM 指令数据选择的抗表面形式偏置梯度归因框架
针对现有全局梯度归因方法存在表面形式偏置、措辞或格式等语义无关细节的微小改动即可导致归因分数高度不一致的问题，研究者提出内容不变梯度归因框架 CIGA。CIGA 先筛选对归因有影响且在语义保持的表面形式扰动下稳定的层，再将归因信号与输入语义表示动态融合。多基准实验显示，CIGA 在扰动下排序更稳定，保持下游能力并提升平均性能，同时降低归因成本。
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。