研究人员推出了ANT-A基准测试,以解决当前LLM标注基准测试的局限性,这些基准测试通常未能考虑到人类标注者细微且有时不同的判断。这个新的基准测试包括特定任务的指南以及七个不同数据集上每个实例的五个独立人类标签。为了改进LLM标注系统,他们还提出了ANT-OR,一个多智能体框架,该框架使用从反馈中得出的对比决策规则来优化提示,与基线方法相比,一致性准确性提高了4.5个百分点。 AI
影响 这项研究可能带来更强大、更适应的LLM标注系统,更好地反映现实世界中的人类判断。
排序理由 该集群描述了一篇介绍LLM标注基准测试和框架的新学术论文。[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 →