When Correct Demonstrations Hurt: Rethinking the Role of Exemplars in In-Context Learning

En 3 lignesUne étude arXiv révèle que des démonstrations correctes peuvent dégrader les performances en in-context learning (ICL). Les chercheurs introduisent des perturbations préservant la tâche pour montrer que la correction n'implique pas l'utilité : modifier l'entrée d'un exemplaire tout en conservant une sortie correcte peut réduire la précision, particulièrement sur les petits modèles et tâches difficiles.

Résumé généré par Claude — vérifié par l'humain