跳到主要内容
检索

# 文本分类

3 篇关联报道

订阅更新
  1. arXiv

    联邦大模型聚合不再只看两两相似：把LoRA更新放进超图传消息，恶意权重压到近零

    联邦大模型聚合时，服务器把每个智能体的LoRA更新当作超图节点，用超边消息传递识别并压制被投毒的知识，在AG News与Yahoo! Answers上准确率高于Multi-Krum、FoolsGold和FLTrust。

    University of CambridgeAston University
    Kai Li（第一作者）
    HMP-GAE超图消息传递图自编码器超图消息传递联邦大语言模型图自编码器LoRA 低秩适配
  2. arXiv

    序列模型不再只记一个隐状态：按语义相似度选历史延迟，IMDB准确率95.35%

    一种把序列建模写成非线性时滞系统的框架，用当前输入与历史输入的语义相似度动态决定回看多远，在IMDB情感分类上以2.6M参数取得95.35%准确率，高于同表LSTM的89.90%与Mamba的83.00%。

    Chuzhou UniversityBoston University
    Youshan Zhang（第一作者）
    时滞系统序列模型语义滞后估计器模糊语义调制文本分类文本生成
  3. arXiv

    进化式LLM特征发现让信用风险分类从随机水平提升到69.0%并暴露零样本模型的单类偏置

    作者提出一个进化框架，用LLM迭代生成并精炼自然语言二值特征（rubric），再由LLM对样本打分、训练逻辑回归等透明分类器；在AG News、GoEmotions与HELOC三个基准上，进化特征比单次生成rubric平均提升+2.9个百分点，并在三个任务中的两个上超过零样本LLM直接分类，其中HELOC上零样本LLM仅50.7%（接近随机且强烈偏向单一类别），而进化特征达到69.0%且各类别预测均衡、决策逻辑可审计。

    Jack Butler（第一作者）
    大语言模型驱动的进化搜索可解释机器学习TAE可信AI评估审计层文本分类

已读完全部报道