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:研究警示：缺乏人工校验的LLM评委存在高假阳性率(7 条相关)→
「研究」频道最新
- 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
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11