热点事件持续更新

SIRF将平台规范内化进模型权重

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Suwan Wu 等作者提出 SIRF 风险基础模型，把平台复杂策略经持续预训练内化进模型权重，部署时只输出判定结果。作者称，SIRF-8B-SFT 仅用约 70M CPT token 训练，Black Recall@P95 达 71.3%，比同源 Qwen3-8B-SFT 基线高 15.1 个百分点，且不损害通用能力。作者称，在纳入评测、且该接口下可获取 logprob 的模型中，SIRF 达到或超过规模更大的系统。作为树模型裁决层部署时，它可多召回 20% 被误罚样本；迁移到冻结场景后，以低成本实现约 70% 的相对误罚减少。上述效果均为作者报告。

AI 根据报道生成 · 55 分钟前更新

最新进展11月2日 13:00

SIRF：面向工业内容风控的规范内化风险基础模型

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv cs.CL
SIRF：面向工业内容风控的规范内化风险基础模型
SIRF 将平台复杂策略通过持续预训练内化进模型权重，SIRF-8B-SFT 在仅用约 70M CPT token 的情况下达到 71.3% Black Recall@P95，比同源 Qwen3-8B-SFT 基线提升 15.1pp，且不损害通用能力。该模型以仅输出判定结果的超低延迟方式部署，作为树模型裁决层可多召回 20% 被误罚样本，并在冻结场景下以低成本实现约 70% 的相对误罚减少。

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。