⌘ K
… 读取采集状态 同步中...
雷
原文
AISI Blog·· 2025-07-09AI 评分34

AISI 提出基于贝叶斯 GLM 的自动评分器评估框架

LLM judges on trial: A new statistical framework to assess autograders

AI 导读

AISI 提出使用贝叶斯广义线性模型(GLM)在利用 LLM 自动评分器(autograders)进行模型评估的同时,同步评估这些自动评分器本身的可靠性。该框架通过线性预测子隔离各因素贡献,并支持多种评分量表的分布假设,能处理数据噪声或有限情况下的不确定性。相关统计模型及可复现笔记本已开源在 GitHub。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:AISI Blog · aisi.gov.uk