推理监督反降文学评论生成质量

一项研究构建了含 263,911 篇长篇故事、覆盖 14 个 TTCW 维度的数据集，用于测试推理轨迹能否提升 Qwen3-4B、Qwen3-8B 和 Nemotron-8B 的结构化文学评论生成。结果显示，三个模型上无轨迹监督的评分模仿保真度更高、报告生成近乎完整；加入轨迹监督后完成率降至 85.9%–90.9%，失败案例中 88.6% 出现语义重复循环。 该数据集为每篇故事配标量分数和跨 14 个维度的元合成评论，作者称其目的是弥补结构化 TTCW 评估缺乏大规模监督的问题。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。