提出J-ICL后训练框架与FakeContextBench基准

Pei-lin Li 等在arXiv发布论文，提出J-ICL（Jurisdiction In-Context Learning）后训练框架，将上下文验证纳入训练目标，并引入FakeContextBench基准评估大语言模型对上下文权威性的判断。基准包含七个领域的伪科学声称，代码已在GitHub发布。据论文摘要，J-ICL在四个模型骨干上使ICLEval平均提高5.84个百分点、现实准确性平均提高9.20个百分点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。