arXiv · cs.AI· Evgenia Ilia·· 20 天前AI 评分34
两类判断错误的故事：LLM 不确定性量化器评估中自动评审错误的隐性权衡
A Tale of Two Error Categories: Exploring Concealed Trade-Offs in the Errors of Automated Judges in Evaluation of Uncertainty Quantifiers
来源与原文
arXiv · cs.AI
作者：Evgenia Ilia
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.09693v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项被 INLG 2026 录用的 arXiv 研究发现，自动化评审已成为不确定性量化器（UQ）评估的常态，但其错误很少经过人工验证。在问答实验中，研究者使用 4 个 LLM、人工与自动判断以及 7 种主流 UQ 方法，结果显示评审模型的表现只能粗略预测其错误对 UQ 评估可靠性的影响，且判断错误最常歪曲信息量较大的 UQ。
来源：arXiv · cs.AI · arxiv.org