研究者提出评估测试时模型更新的Control Map框架
热点事件持续更新
研究者提出评估测试时模型更新的Control Map框架
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Zehao Zhao等作者提出 Control Map 评估框架，记录每次评分回答前已提交的模型更新，并分别评估行为变化、即时学习、后续回忆、无关行为保持和新场景表现。 实验显示，在 760M 参数检查点上，24 种更新次数相同的调度方案准确率在 19.7%–34.2% 之间；六个 CounterFact LoRA 设置均学会新信息，而 ROME 在全部 13 个操作点保留编辑，但每个点都未通过局部性检验。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
Control Map：评估测试时模型更新的新框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLControl Map：评估测试时模型更新的新框架
研究者提出 Control Map 评估框架，记录每次评分回答前已提交的更新，并分别评估行为变化、即时学习、后续回忆、无关行为保持和新场景表现。实验显示，760M 参数检查点上 24 种更新次数相同的调度方案准确率在 19.7%–34.2% 之间；六个 CounterFact LoRA 设置均学会新信息，ROME 在全部 13 个操作点保留编辑但每个点都未通过局部性检验。
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。