arXiv · cs.AI · Xin-Rui Ma, Shi-Zhi Chen, Hai-Yan Jiang, De-Cheng Feng, Michael Beer · 11 小时前模型评分48
变量名提供先验：语义接地让大语言模型实现数据高效的数值预测
Variable names provide priors: semantic grounding enables data-efficient numerical prediction by large language models
导读
研究发现，变量名与其描述数值之间的语义匹配（语义接地）能让五个未经任务专项训练的大语言模型在九个科学领域的 20 个数据集上追平或超过七个监督机器学习模型，示例稀缺时优势尤其明显。推理轨迹显示，变量名使模型能调用预训练阶段获得的领域知识；基于物理公式的受控实验表明，模型会以类似贝叶斯更新的方式，把领域知识当作先验、把上下文示例当作似然来整合。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “Here we show that semantic grounding, the match between variable names and the values they describe, allows five LLMs without task-specific training to match or outperform seven supervised machine learning (ML) models across 20 datasets from nine scientific domains, particularly when examples are scarce.”
来源：arXiv · cs.AI · arxiv.org