ルーブリックベース評価におけるLLMの新たなバイアスとは？
ルーブリックベースのLLM評価における位置バイアス
査読前の可能性がある研究情報
大規模言語モデルのルーブリックベース評価における位置バイアスが明らかに
速報・AI要約未精査
arXiv cs.CL
毎日更新・AIニュース考察
AI記事考察ノート
公式発表・研究プレプリント・実装コミュニティの記事を、読む前に押さえたい文脈と注意点つきで整理。
6915掲載記事
5348深堀り対応
01
絞り込み結果
条件に一致した記事を、新しい順にまとめています。 2LLM評価の新たな地平線：BabelJudgeが開く信頼性測定の可能性
査読前の可能性がある研究情報
BabelJudgeはLLMの評価信頼性を多角的に測定するフレームワークで、特に低リソース言語での問題点を明確化します。
速報・AI要約未精査
こんな人にNLP研究者・AI開発者
arXiv cs.AI