研究提出人机协同评估统一统计框架
热点事件持续更新
研究提出人机协同评估统一统计框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Harine Choi 等作者提出一个统一统计框架，用于在仅部分人工核验的情况下评估大语言模型和多模态大模型。该框架覆盖两条评估路线：直接审计路线采用置信度分层抽样，论文称无需校准置信度即可还原总体准确率；LLM-as-a-judge 路线则对敏感度和假阳性率建模，给出带校准不确定性的误差校正估计。 该框架的用途是：在人工只核验部分样本时，仍能对模型总体表现给出统计估计。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
从自置信到统计精度：用直接审计与 LLM 辅助审计扩展人在回路评估报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL从自置信到统计精度：用直接审计与 LLM 辅助审计扩展人在回路评估
该论文提出统一统计框架，用于在部分人工核验下评估 LLM 与 MLLM：直接审计路线采用置信度分层抽样，无需校准置信度即可还原总体准确率；LLM-as-a-judge 路线则以敏感度和假阳性率建模，给出带校准不确定性的误差校正估计。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。