/
机器学习评估 关键字列表
构建更优AI评测基准：评价者数量多少算够？
本研究提出基于"黄金"评分数据的机器学习模型评估框架，优化项目数量与每项评估者数量之间的权衡。研究发现传统的1-5名评估者配置往往不足，需要超过10名评估者才能捕捉人类观点的细微差别。通过模拟器测试发现，合理优化评估者比例可在约1000个标注的适度预算下实现高度可重现的结果，为构建反映人类分歧复杂性的可靠AI基准提供路线图。
白皮书
京公网安备 11010802021500号
