实体 Esma Balkır

Esma Balkır

PulseAugur coverage of Esma Balkır — every cluster mentioning Esma Balkır across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_254485 · Sep 15 · 04:00

新的自适应LLM评估方法使用更少的项目和连续分数

研究人员开发了一种新的评估大型语言模型（LLM）的方法，该方法将计算机化自适应测试（CAT）的原理应用于连续评分指标。这种方法在最近的一篇arXiv论文中有所详细介绍，它用异方差正态分布取代了传统的伯努利分布，以处理ROUGE、BLEU和LLM-as-a-Judge等分数。所提出的具有自适应停止标准的、考虑不确定性的排名器旨在以显著更少的项目和更低的成本实现可靠的模型排名，在一次校准后，在自信预测上保持99%的准确率，同时在排名相关性…