Judge 模拟研究开始检验 kappa 一致性是否影响信任
IanArawjo · x · 2026-07-21
作者表示，自己还没有在 judge simulations 里尝试二元数据。
- 他们现在先在扩展模拟，并按 agreement rate 拆分结果。
- 目的在于观察像 kappa=0.85 这样的 agreement 指标，是否真的会影响人们对 judge 可信度的判断。
- 这说明这项工作关注的不是单一分数，而是 judge 评估方法本身的可靠性。
所属事件:研究称缺乏人工校验的LLM评委假阳性率极高(7 条相关)→
「研究」频道最新
- 微软开源 Resource2Skill，把视频文章蒸馏成 agent skill — aigclink · 2026-07-21
- 微软开源 Resource2Skill，把教程自动蒸馏成可执行技能 — aigclink · 2026-07-21
- Soofi S 30B-A3B 发布完整预训练报告，称英德双语开源领先 — abursuc · 2026-07-21
- 滚动快门位姿估计借助仿射对应点变得实用 — ducha_aiki · 2026-07-21
- LingBot-Video：30B参数仅激活3B，具身视频模型新架构 — alifcoder · 2026-07-21
- 开源 LatentMoE 轻量 PyTorch 实现，降低 MoE 实验门槛 — KyeGomezB · 2026-07-21