PulseAugur
中
实时 09:13:24
实体 Sheng et al. 2025

Sheng et al. 2025

PulseAugur coverage of Sheng et al. 2025 — every cluster mentioning Sheng et al. 2025 across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_327580 ·

    LLM评委显示出精确性但准确性不如人类评分

    一个本地大型语言模型在作为评估响应的评委时，展示了与人类评分显著但微弱的相关性，未能达到0.5的Spearman相关性阈值，得分仅为0.395。尽管该模型表现出强大的内部一致性，重复评估的变异得分远低于0.75点阈值，但它频繁偏离人类判断。在一个实例中，人类评为“极有帮助”的响应，在评委的所有评估中均被评为“无帮助”，这凸显了评委的精确性与其准确性之间的关键差距。