arXiv · cs.CL· Harine Choi·· 14 小时前AI 评分23
从自置信到统计准确：用直接审计与 LLM 辅助审计扩展人在回路评测
From Self-Confidence to Statistical Accuracy: Scaling Human-in-the-Loop Evaluation with Direct and LLM-Assisted Auditing
来源与原文
arXiv · cs.CL
作者：Harine Choi
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/2610.35698v1
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
一项研究提出统一统计框架，将模型自置信与 LLM-as-a-judge 两条评测路线纳入置信分层抽样与误差校正估计。在 MMLU-Pro 和 MMMU-Pro 上的实验表明，即使置信度未校准也能支撑统计有效的分层审计，置信分布高度不均衡时按比例分配可显著降低估计误差。研究还指出仅少量目标-验证器对满足人标效率条件，且自动推理成本可能限制节省空间。
来源：arXiv · cs.CL · arxiv.org