学者披露测试细节:多人人编标签检验模型判别零结果能力
RexDouglass · x · 2026-09-19
RexDouglass 解释任务定义:关键是判断论文摘要是否声称了 null finding(零结果)。他们的测试基于打磨成熟的标注指令和多人人工人编码的标签,因此评测有可靠基准。
所属事件:学者实测:廉价开源模型难判学术零结果,新模型现曙光(9 条相关)→
「模型」频道最新
- Noam Brown 确认 GPT-6 Astra 思维链可观测，称这是「脆弱的礼物」 — burny_tech · 2026-09-19
- Jev 走红信号:AI 圈愿意拥抱 LLM 之外的新型模型 — BLUECOW009 · 2026-09-19
- QuixiAI 宣布将以 gemma-4-26B-A4B-it 作为开源项目基座 — QuixiAI · 2026-09-19
- Jev 架构争议发酵,爆料者将开源 Qwen3.8 27B 复刻版 — TheZachMueller · 2026-09-19
- Jev 准确率超越 Sonnet 5 检索方案,成本与延迟仅零头 — IanArawjo · 2026-09-19
- 阿里开源医疗 AI 模型:可检测癌症及近 150 种疾病 — giveen · 2026-09-19