arXiv · cs.CL· Zhenshuai Yin·· 1 天前AI 评分35
LADDER：诊断噪声反馈下语言模型的领域级自我评估
LADDER: Diagnosing Domain-Level Self-Assessment Under Noisy Feedback
来源与原文
arXiv · cs.CL
作者：Zhenshuai Yin
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/2610.34737v1
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 LADDER，用于研究语言模型在不可靠反馈下如何进行自我评估。结果显示，模型能准确报告给定的性能信息，却难以从交互经验中形成可信的自我评估，表面准确的评估会掩盖能力差异，也不一定能预测未来任务表现。研究为在人机协作中评估模型能力意识提供了实证依据。
来源：arXiv · cs.CL · arxiv.org