清华提出Jev-LDE局部示例编辑方法

2026年10月14日，机器之心报道，清华大学自动化系研究者提出 Local Demonstration Editing（LDE）方法，并训练了小型编辑模型 Jev-LDE。该模型不负责最终答题，而是在目标 LLM 推理前，对已经检索出的 demonstration set 做一次编辑，只允许 Keep、Delete 或 Replace 三种操作。Jev-LDE 使用 Qwen3-1.7B，主要承担 demonstration editing 的工作；训练阶段，Meta-Llama-3-8B-Instruct 是唯一的冻结反馈模型。报道称，如果输出格式无效，训练时奖励为 0，测试时则回退到 Keep。报道还称，该方法使 1-shot 平均准确率从 81.2% 提升到 88.1%。目前该事件仅有这一篇报道，后续进展有待跟进。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。