arXiv：cs.CL（计算语言学，全量分类）· Ian Arawjo·· 1 天前AI 评分46
如何对 LLM 评审做统计并信任结果：evalstats 面向小样本 AI 评估的校准推断
How to Run Statistics over LLM Judges and Trust the Results: Calibrated Inference for Small-Sample AI Evaluation with evalstats
AI 导读
研究者提出 evalstats，一个开源 Python 包，用于对混合人类-AI 评审设计做校准统计分析，可自动选择合适方法。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org