新研究：用 LLM 清单补人类评审短板，降低抽签式方差
JessicaHullman · x · 2026-10-30
华盛顿大学学者 Jessica Hullman 分享其新论文：与其简单自动化评审，不如针对人类评审的已知弱点定点使用 AI。以彩票式方差为例，不同评审的抽选本身会改变结果；研究表明，从历史评审数据学习、由 LLM 执行的检查清单（checklist）能在引入有限偏差的前提下显著降低评审方差。转发者 Ben Golub 评论称，纯人类评审时代已经结束，关键在于正确设计人机混合流程，这比在人类与 AI 评审间做“口味测试”更有价值。
所属事件:Hullman 团队：LLM 审稿清单对抗同行评审抽签方差(9 条相关)→
「漫话AGI」频道最新
- 陶哲轩：考虑安全风险，继续加速 AI 发展「并不值得」 — GarrisonLovely · 2026-10-30
- Miles Brundage：Dwarkesh 等人多年来一直在网上推动这股风潮 — Miles_Brundage · 2026-10-30
- Sadowski书评:机器学习是「无知的技术」,充斥着不受约束的傲慢 — jathansadowski · 2026-10-30
- 一句话点破 AI 时代分配矛盾：能取消人类工资，取消不了人类房租 — PierceLilholt · 2026-10-30
- 2028 年「数据中心里的天才国度」将只受数据中心数量限制 — timshi_ai · 2026-10-30
- Sam Altman 曝 Thiel 关键建议：别管其他，All in ChatGPT — davidsenra · 2026-10-30