arXiv · cs.AI· Tianxiang Gao, Jinzhe Li, Zhiyuan Li, Yi Chang, Yuan Wu·· 8 小时前
JEV、KEV与StartLux Decision模型揭示序数尺度利用偏置
More Choices, Fewer Decisions: Ordinal-Scale Bias in JEV-like Direct-Decision Models
arXiv:2609.38827v2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：Tianxiang Gao, Jinzhe Li, Zhiyuan Li, Yi Chang, Yuan Wu
研究任务与主要进展
基于论文摘要，研究人员在40个数据集和9个JEV、KEV及StartLux Decision模型中发现序数尺度利用偏置，模型最终决策集中于少于金标准分布的有效标签。更细的序数尺度会强化决策压缩，候选顺序随机化只能减弱而不能消除该现象，定向训练可缓解偏置。代码和数据已提供：https://anonymous.4open.science/r/jev_ordinal_scale_bia/。
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