研究：GPT-4o政策分类准确率尚可但标签不稳

Louise Yorke 等发表的研究用 8 种 GPT-4o 配置对 1,200 条英国首相问答做 21 类政策主题分类，准确率为 68.2%–70.3%，但 24.3% 的问题在重复运行中标签发生变化。研究还发现，各配置之间的一致性高于它们与人工编码的一致性。 研究据此提出，公共服务中的 AI 保障不能只看准确率，还需关注重复运行下的稳定性以及与人工判断的偏差。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。