B-CARE：不看预测即可排序立场分类错误
热点事件持续更新
B-CARE：不看预测即可排序立场分类错误
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
Meysam Sabbaghan 与 Doina Caragea 提出 B-CARE 框架，用于在立场分类中排序高风险预测错误。该框架不查看基座模型的预测或置信度，只由固定的 LLM 验证器根据目标与文本，为所有候选立场标签打序数证据分。 在四个立场基准、三个异构基座 LLM 共 12 组设置、5,206 条测试实例上，B-CARE 平均 AUROC 为 0.735、AUPRC 为 0.524，在风险最高的 20% 预测中捕获 41.06% 的错误。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
B-CARE：面向立场错误排序的盲式逐类相对证据评估框架报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv cs.CLB-CARE：面向立场错误排序的盲式逐类相对证据评估框架
B-CARE 是一个预测盲的立场分类错误排序框架，仅凭目标与文本，由固定 LLM 验证器为所有候选立场标签打序数证据分，不查看基座模型的预测或置信度。在四个立场基准、三个异构基座 LLM 共 12 组设置、5,206 条测试实例上，B-CARE 平均 AUROC 为 0.735、AUPRC 为 0.524，在风险最高的 20% 预测中捕获 41.06% 的错误。
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。