AI 评测小样本统计方法更新，Bonett-Price 表现优异
IanArawjo · x · 2026-08-27
针对 AI 评测中样本量较小的情况，文章探讨了 95% 置信区间方法、成对 p 值和 FWER 校正的最佳实践。对比表格显示，Bonett-Price 方法在处理成对二元数据时优于之前的推荐方法，作者还提供了多轮运行的改进版本。
所属事件:小样本AI评测统计方法更新，Bonett-Price成对数据表现更优(2 条相关)→
「研究」频道最新
- Flow Matching 解耦生成模型与噪声过程 — CSProfKGD · 2026-08-27
- Agent 注入技能文件或导致 Pass@2 反降 — rohanpaul_ai · 2026-08-27
- 自建 vLLM INT8 推理栈：4 张 MI100 跑 Qwen 27B 达 972 tok/s — 1ncehost · 2026-08-27
- METR 新报告受关注：模型会“跟丢”任务，评测截图疯传 — isidentical · 2026-08-27
- 为何 P=NP 问题在 AI 时代备受关注？ — yoavgo · 2026-08-27
- 微调实战：用 Mistral 7B 省下 30 万美元 — Nice-Dragonfly-4823 · 2026-08-27