实体
McNemar tests
McNemar tests
PulseAugur coverage of McNemar tests — every cluster mentioning McNemar tests across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
大型语言模型在零样本测试中难以识别细粒度情感
一项新的研究论文评估了三种领先的大型语言模型在零样本情感识别方面的能力：Claude Sonnet 4.6、ChatGPT (GPT-5.4) 和 Gemini 2.5-Flash。研究发现，Gemini 的准确率最高，达到 39.9%，GPT-5.4 和 Claude 紧随其后。然而，所有模型在处理爱、困惑和羞耻等具体情感时都遇到了困难，McNemar 检验表明它们在性能上没有统计学上的显著差异。这项研究强调了这些前沿人工智能系统在…
-
新基准揭示视觉语言模型在脚本一致性方面存在困难
一个名为PuMVR的新基准已被开发出来，用于评估视觉语言模型（VLMs）在处理单一语言内多种脚本方面的能力。该基准包含1000个跨越旁遮普语的Gurmukhi、Shahmukhi和Roman脚本的并行图像-文本实例，揭示了10个最先进的VLMs存在显著的“脚本差距”。这些模型通常在一个脚本上表现良好，但在其他脚本上却表现不佳，准确率差异高达16%。该研究提出了脚本一致性率（SCR）作为评估脚本无关VLM性能和确保公平AI访问的关键指标。