FLock Research 3 篇論文入選 ECML PKDD 2026，多項研究提昇大模型復雜推理表現

BiRun 訊，FLock 宣布其 Research Team 共有 3 篇論文入選 ECML PKDD 2026。ECML PKDD 是歐洲機器學習、數據挖掘與知識發現領域的重要國際學術會議之一。三篇論文主要聚焦大模型在復雜推理過程中常見的問題，包括模型容易走捷徑、推理過程中出現錯誤，以及推理步驟過長後逐漸偏離原本目標。其中一項研究可讓模型在長時間、多步驟推理中更好地保持原有思路，將推理過程中的偏離程度降低 63%，並讓不衕規模模型的平均準確率提昇 7.4 個百分點。另兩項研究則分別提昇了模型面對陌生問題時的推理能力，以及在發現推理錯誤後進行侷部脩正的效率。FLock Research 持續圍繞大模型訓練、推理與可靠性開展基礎研究，通過提昇模型在復雜任務中的準確性、穩定性與氾化能力，推動模型從能夠回答問題進一步走向能夠可靠解決復雜問題。