基准

SentiCoref

面向文档级实体级情感分析的南斯拉夫语新闻数据集，包含多实体多立场语料，用于评估ELSA与模型路由策略

时间轴 (近 90 天)

11月3日

在 SentiCoref 数据集上，一个“神谕”实验显示：如果能够纠正最不确定的 10% 预测中的所有错误，且不损害正确预测，Macro-F1 可提升 9.14 分。

待验证50%

11月3日

编码器平均策略在 AspectBench 和 NewsMTSC 上有所帮助，但在 SentiCoref 上却有害。

待验证50%

11月3日

在 SentiCoref 上，将 30% 记录路由到编码器辅助的 LLM 观察到 1.02 分的提升，但置信区间包含零。

待验证50%

在 SentiCoref 数据集上，一个“神谕”实验显示：如果能够纠正最不确定的 10% 预测中的所有错误，且不损害正确预测，Macro-F1 可提升 9.14 分。

编码器平均策略在 AspectBench 和 NewsMTSC 上有所帮助，但在 SentiCoref 上却有害。

在 SentiCoref 上，将 30% 记录路由到编码器辅助的 LLM 观察到 1.02 分的提升，但置信区间包含零。