小样本AI评测的置信区间方法
IanArawjo · x · 2026-07-16
作者围绕“小样本 AI 评测数据该用哪种 95% 置信区间方法”做了多周模拟与复现实验，覆盖合成数据和真实评测数据。
结论是：文中比较的两种方法——ER-Tango 和 Wilson flat——是 GPT 5.5 针对多轮/多次运行数据做出的新适配方案，用来处理 AI eval 场景里的区间估计问题。
「研究」频道最新
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26
- EMNLP 主题演讲背后：用语言模型「模拟学习者」生成儿童语言习得新假设 — najoungkim · 2026-10-26
- EMNLP 2026 主题演讲背后的论文：用 bigram 模拟语言习得 — najoungkim · 2026-10-26
- 把 DeepLIFT 重写为独立计算图：输入序列直接输出归因结果 — jmschreiber91 · 2026-10-26