arXiv · cs.AI· Kavinda Kehelella, Sanghamitra Dutta·· 5 小时前
COFFEQA：面向大语言模型问答的反事实引导少样本蒸馏
COFFEQA: Counterfactual-Guided Few-Shot Distillation for LLM Question Answering
arXiv:2610.12837v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kavinda Kehelella, Sanghamitra Dutta
研究任务与主要进展
作者提出 COFFEQA，用于资源受限场景下的大语言模型问答少样本蒸馏，通过反事实样本为困难事实样本提供额外监督，并提出 Context Following Difficulty（CFD）指标筛选样本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org