研究揭示LLM多实例处理的顺序效应
热点事件持续更新
研究揭示LLM多实例处理的顺序效应
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22日，arXiv Artificial Intelligence 刊出 Jingxuan Chen 等作者的研究，考察大语言模型（LLM）在多实例处理中的顺序效应。研究评估 15 个 LLM 在 5 个数据集、7 种实例顺序模式下的表现，且同一组实例在各模式间保持不变。结果显示，模型对实例顺序高度敏感，最佳与最差顺序模式的准确率可相差约 90 个百分点。多数标签实例出现在开头时模型通常更准确，出现在中间或末尾时则更差。部分模型的推理轨迹过度提及早期实例，梯度归因分数在开头和结尾附近普遍高于中间。该研究为单一主报道，暂无跟进报道，亦无与早先报道矛盾之处。
AI 根据报道生成 · 3 小时前更新
最新进展10月22日 12:00
LLM 多实例处理中的顺序效应：准确率可相差约 90 个百分点报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv Artificial IntelligenceLLM 多实例处理中的顺序效应：准确率可相差约 90 个百分点
研究评估 15 个 LLM 在 5 个数据集、7 种实例顺序模式下的多实例处理表现，发现模型对实例顺序高度敏感，最佳与最差顺序模式的准确率可相差约 90 个百分点。多数标签实例出现在开头时模型通常更准确，出现在中间或末尾时则更差。部分模型的推理轨迹过度提及早期实例，梯度归因分数在开头和结尾附近普遍高于中间。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月23日 03:00
- 近 24 小时变化
- –
02468
03:0004:0005:00
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。