一篇新发表在arXiv上的论文,题为“不匹配不等于错误:不完整的参考集会逆转开放式心智理论追踪的校准排名”(Unmatched Does Not Mean False: Incomplete Reference Sets Can Reverse Calibration Rankings in Open-Theory-of-Mind Tracking),揭示了开放式心智理论(ToM)模型评估中的一个关键缺陷。研究表明,当前依赖有限参考集的评估流程可能会错误地将模型有效的输出标记为错误。这会导致校准排名逆转,即在这些有缺陷的标签下表现较差的模型,在由人类正确性评估时实际上表现更好。 AI
影响 突出了当前AI评估方法中的一个关键缺陷,可能影响心智理论模型基准测试结果的可靠性。
排序理由 该集群包含一篇详细介绍AI模型评估新发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- DPR-BERT
- Gotit.pub
- Hugging Face
- NQ-Open
- OpenToM
- ScienceCast
- theory of mind
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →