CertJudge用一次校准复用评估
sanmikoyejo · x · 2026-07-12
概述提到：LLM judge 现在被用来给 AI 生成的 Lean 4 定理 打分，但问题在于“谁来评判 judge 本身”。每次更换 judge、prompt 或阈值，通常都需要重新做一次人工研究。CertJudge 的目标是用一次小规模校准，去复用到后续所有 judge 评估中，文中给出的相关性约为 ρ=0.833。
所属事件:CertJudge探索大模型裁判校准复用(3 条相关)→
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11