热点事件持续更新

研究提出并测量LLM评测中的三类噪声

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

一项研究定义并测量了 LLM 评测中的三类噪声：同一问题上生成不同答案带来的预测噪声、抽样问题带来的数据噪声，以及依据总方差定律合并的总噪声。团队提出 all-pairs comparison 方法，对全部 LLM 配对做成对比较。基于数百万条问题级预测，研究发现多数评测在所有模型对上呈现高度可预测的总噪声水平，且成对预测噪声通常超过成对数据噪声，意味着通过平均降低预测噪声可显著提升统计功效。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

衡量 LLM 评测中的所有噪声

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.AI
衡量 LLM 评测中的所有噪声
研究定义并测量了 LLM 评测中的三类噪声：生成不同答案的预测噪声、采样问题的数据噪声，以及依据总方差定律合并的总噪声。团队提出 all-pairs comparison 方法，对全部 LLM 配对做成对比较，基于数百万条问题级预测发现：多数评测在所有模型对上呈现高度可预测的总噪声水平，且成对预测噪声通常超过成对数据噪声，意味着通过平均降低预测噪声可显著提升统计功效。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。