一篇新论文探讨了历史手稿分类的评估协议,强调了手稿级泄露对准确性指标的重大影响。研究人员发现,在训练手稿的页面上进行测试会极大地夸大感知准确性,从页面级拆分转向手稿级拆分时,准确性从97%下降到54%。该研究还调查了软标签和置信度校准的作用,表明虽然软标签可能不会提高准确性,但它们可以使预测分布更接近专家评估,并减少与专家评估的分歧。 AI
影响 强调了在专业领域评估AI模型时需要考虑的关键因素,特别是数据泄露和置信度校准。
排序理由 学术论文,详细介绍了特定AI任务的评估协议和研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- ResNet18
- ScienceCast
- scite Smart Citations
- VML-HP-ext
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →