12:37
官方账号arXiv cs.LG@Xian Sun, Wei Chow, Yingshuo Wang, Junhao Liu, Wei Gao, Qing Wu, Lingdong Kong
推荐理由：这篇论文把“信不信上下文”当成独立问题来训练，用MIST测出模型容易被一条错误信息带偏，SCOPE能减少这种翻车还不影响正常表现。
SCOPE
共 3 条相关 AI 资讯
8月7日
12:37
论文提出MIST基准，将每道推理题置于干净、误导、正确上下文、无关上下文四种条件下。配套SC2W指标衡量误导信号使原本正确答案变错的频率。作者发现该脆弱性在多种开源模型上普遍存在。提出的SCOPE方法通过匹配偏好对优化DPO目标，在保持干净上下文准确率的同时显著降低SC2W。
7月31日
12:01
12:01
官方账号arXiv cs.AI@Yunhao Liang, Xianqi Cao, Pujun Zhang, Yuan Qu, Yongzhi Qi, Ningxuan Kang, Max Z. J. Shen
推荐理由：SCOPE把供应链各环节的决策打通了，在叮咚和京东的真实数据上验证过，比各自单独优化效果更好，做供应链的可以看看。
6月23日
10:53
10:53
官方账号arXiv cs.AI@Yundaichuan Zhan, Minghe Gao, Zhongqi Yue, Wendong Bu, Wenqiao Zhang, Guoming Wang, Jisheng Dang, Juncheng Li, Siliang Tang, Yueting Zhuang
推荐理由：搞机器人规划的朋友可以看看 SCOPE，它用符号执行加记忆更新解决开放世界符号不完整的老问题。