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
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27