坏judge也能骗过一致性指标
sanmikoyejo · x · 2026-07-12
转发线程中提到：一个故意做坏的 judge 仍能达到约 0.45 的人类 Spearman，但会在弱单调性测试上失败（12.5%）。这说明单纯看人类一致性并不足以发现某些系统性失效模式。
「研究」频道最新
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11