研究者提出SCUR估计实例级评测可靠性
热点事件持续更新
研究者提出SCUR估计实例级评测可靠性
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Yang Ba、Michelle V. Mancenido 和 Rong Pan 提出了一种名为 Structured Cross-fitted Uncertainty Risk（SCUR）的方法，用于估计 LLM-as-a-judge 在单个实例上的评估可靠性。据研究者称，该方法无需标签，而是根据评审面板的行为进行估计。 这一方法针对的是用大模型充当评审时，难以判断单条评测结果是否可信的问题。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
SCUR：LLM-as-a-Judge 的实例级可靠性评估方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AISCUR：LLM-as-a-Judge 的实例级可靠性评估方法
研究者提出 Structured Cross-fitted Uncertainty Risk（SCUR），一种无需标签、基于评审面板行为估计 LLM-as-a-judge 实例级评估可靠性的方法。
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。