arXiv · cs.CL· Xiaopeng Ke·· 4 天前AI 评分35
LLM 标注能否匹配人类一致性？ANT-A 基准与对比知识多智能体框架 ANT-OR
Can LLM Annotators Match Human Consistency? Benchmarking Human Agreement and Optimizing Multi-Agent with Contrastive Knowledge
来源与原文
arXiv · cs.CL
作者：Xiaopeng Ke
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/2610.32415v1
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
研究者提出 ANT-A Benchmark，覆盖 7 个跨领域、跨模态数据集，每个实例含任务专属标注指南和 5 个独立人类标签，并用 Fleiss kappa 评估模型标注与人类标注分布的一致性。配套的 ANT-OR 多智能体框架从正负反馈中蒸馏对比决策规则来优化提示词，agreement@>=2 准确率比较强基线高 4.5 分，与人类标注分布的 Fleiss kappa 差距在 2 分以内。代码和基准已开源。
来源：arXiv · cs.CL · arxiv.org