实体
Pratik Sachdeva
Pratik Sachdeva
PulseAugur coverage of Pratik Sachdeva — every cluster mentioning Pratik Sachdeva across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
Rasch测量理论为大型语言模型评估提供新框架
一篇新的研究论文提出应用Rasch测量理论（RMT）来更好地评估大型语言模型（LLMs）。该论文认为，标准的评估实践常常忽略了影响LLM性能的关键因素。通过采用RMT，该理论可以将评分分解为可分离的方面，研究人员可以识别校准不当的测量和评估者偏见。一项使用“测量仇恨言论”语料库的案例研究表明，在严重程度、项目校准和量表使用等方面，LLMs与人类评估者相比表现出系统性差异，而这些差异通常被传统的评估方法所掩盖。
-
大型语言模型辩论揭示模型间道德判断和修正率的差异
一项新的研究论文探讨了不同的交互协议如何影响大型语言模型（LLMs）在多轮辩论中的道德判断。研究人员使用同步和轮流辩论两种格式，提示GPT-4.1、Claude 3.7 Sonnet和Gemini 2.0 Flash在1000个Reddit困境中集体分配责任。研究结果表明，模型行为存在显著差异，与Claude 3.7 Sonnet和Gemini 2.0 Flash相比，GPT-4.1在同步辩论中表现出较少的修正。模型还表现出不同的价值…