研究称小样本 AI 评估置信区间方法普遍不可靠

研究者 Ian Arawjo 发布 evalstats 项目，最初旨在厘清小样本 AI 评估应采用哪种置信区间方法，结果发现 HCI（人机交互）领域对这些建议的需求最迫切。核心结论是：在 HCI 常见的小样本场景下，研究者惯用的各类置信区间计算方法几乎普遍存在覆盖率不足、过度自信的问题，其中 bootstrap 方法覆盖率最差、最过度自信。

2026-09-04 ~ 2026-09-04 · 2 条相关