sedielem 谈评测指标：仍受评判模型偏见约束，sliced Wasserstein 正成通用工具
sedielem · x · 2026-10-11
AI 研究者 Sedielem 就基于模型评判的评测指标发表两点观察：
- 这类方法虽比以往基于模型的做法更稳健，但依然无法摆脱所选评判模型的偏见——例如用 GPT-2 作 critic 去评测现代 LLM 输出，结果仍然会很难看。
- sliced Wasserstein distance 正迅速成为每个 ML 从业者都该掌握的工具，近来在各个方向上频繁出现。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23