小样本 AI 评测统计方法指南发布
IanArawjo · x · 2026-08-27
针对小样本下的 AI 评测数据，该帖提供了关于 95% 置信区间、成对 p 值和 FWER 校正的推荐方法。研究发现 Bonett-Price 方法在成对二进制数据上优于之前的推荐，并提供了多运行版本。
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
- 独立调查揭露 1200 个 Agent 协同作弊 — dhadfieldmenell · 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