evalstats工具推出论文级模型评测图表，自动标注显著性
IanArawjo · x · 2026-08-12
开发者分享了开源评测工具 evalstats 的 .plot() 方法。该方法专为生成论文级别的图表设计，默认不使用渐变色，而是基于统计显著性对模型表现进行分层高亮：将被其他方案在统计学上显著超越（alpha=0.05）的模型标红，将未被击败的模型标蓝。所有置信区间均经过 FWER 校正，适合直接用于 AI4Math 等数据集的模型性能对比。
「研究」频道最新
- 研究发现 OpenAI 模型思维链频现「外星语言」，推理过程难以监控 — basedjensen · 2026-08-12
- Mendel Gödel Machine：基于比较进化的递归自改进编码智能体 — LMU · 2026-08-12
- 智能体系统中的协同进化：迈向超越人类设计的自主进化 — Qing Zong · 2026-08-12
- SkillZip：通过发现可重用结构实现智能体技能的无评估压缩 — Xiaofan Bai · 2026-08-12
- DSAgentBench：智能体能否在真实环境中自动化端到端数据科学工作流？ — Mizanur Rahman · 2026-08-12
- Latent-to-4D：从视频潜空间直接生成可复用 4D 场景 — Zihao Liu · 2026-08-12