一个名为TasteBench的新基准已被开发出来,用于评估人工智能模型辨别质量和进行美学判断的能力,而不是简单地在测试中取巧。研究人员在初步测试中识别并量化了三个重要的有效性威胁:位置偏差、文件名中的词汇泄露以及导致工艺领域近乎完美一致的难度上限。该团队已发布工具和协议来解决这些问题,包括文件名清理和侧面随机化,以更准确地衡量人工智能的品味。 AI
影响 旨在通过创建衡量细微美学判断而非易受欺骗的基准来改进人工智能评估。
排序理由 该项目是一篇详细介绍新基准和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →