HCOMP 2026 论文:误差分解驱动的 LLM 数据标注人在环路评估范式
windx0303 · x · 2026-10-01
作者预告将在 #HCOMP2026 #CI2026 上报告论文《Enhancing LLM-Based Data Annotation through Error Decomposition: A Human-in-the-Loop Evaluation Paradigm》，提出通过误差分解来评估和改进 LLM 数据标注质量的 human-in-the-loop 评估范式，附论文链接。
「研究」频道最新
- AI Overviews 九月数据：自荐榜单被引减少 38%，83% 不再提及品牌 — lilyraynyc · 2026-10-01
- Hugging Face 上新：9.9 万页 1700-1940 年历史报纸含 OCR 与词框数据 — vanstriendaniel · 2026-10-01
- 微软新 ML 系统：提前 30-60 分钟预测太空天气对电网的损伤位置 — LesterMackey · 2026-10-01
- Noam Brown 对谈 Dwarkesh:多智能体集群、对齐与递归自我改进 — GregKamradt · 2026-10-01
- Keras 3 隐藏项目 ZeroModels 集成 100+ 模型族，后端随意切换 — lmoroney · 2026-10-01
- 研究者实测 Opus：工期估算来自训练数据里人类样本，几无自省 — StefanoGogioso · 2026-10-01