Holdout Best-of-N

新评估方法提供无偏AI模型评估

研究人员推出了一种名为“Holdout Best-of-N”的新型机器学习模型评估方法，旨在提供无偏评估。该方法解决了在评估中使用用于选择的分数时夸大模型性能的问题。通过采用使用新分数进行选择的策略，该方法确保在各种分数分布下进行无偏评估，特别是对于高斯分数，其最小最大风险为 $\sigma^2/\sqrt K$ 阶。该系统设计为计算高效，有界分数的循环评估在池大小上具有统一的 $O(K^{-1})$ 风险。