#自动化评估

共 6 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「自动化评估」标签的资讯、产品与论文，按刊登时间排，新的在上。

8月20日

LangChain 发了这活动，教大家用仓库和轨迹做代理评估，比传统方法更高效，想学自动化评估的去参加。

官方账号LangChain@LangChainAI原文

8月7日

这篇论文教你如何判断一个评测集靠不靠谱，用LLM当裁判自动挑毛病，省人工还靠谱。

arXiv cs.AI@Noam Koren 等 3 人原文

7月31日

多模型两两PK加Elo计分来评LLM输出，能调阈值控严格度，科学摘要上跟专家判断挺接近。

arXiv cs.LG@Bertil Braun, Martin Forell原文

7月20日

别再靠感觉测智能体了，Phil Schmid告诉你用负面用例、500行限制和毫秒级正则来搞自动化评估，实用干货。

Philipp Schmid@_philschmid原文

6月12日

社会科学研究者终于有了低成本的重复性验证工具——LLM 比人工更高效且更一致，做元分析或期刊审稿的团队可以直接用这套方法。

arXiv cs.AI@Tobias Holtdirk 等 10 人原文

5月27日

论文精选10:07

E3解决了论文评审中遗漏关键技术问题的痛点，做学术评审或论文质量控制的团队可以直接用这套开源工具提升效率，建议点开看看具体实现。

arXiv: OpenAI@Yashwardhan Chaudhuri 等 3 人原文