Kendall 在人工智能研究语境中通常指代统计学家 Maurice Kendall 提出的肯德尔秩相关系数（Kendall's tau），以及以该指标为核心的一系列排序一致性评估方法，它目前是模型评测与事实性核查中被广泛引用的非参数相关性度量。在近期多项评测与基准研究中，Kendall 相关系数被用于衡量自动化评估器与人工判断之间的一致性，从而判断一个模型能否替代人工打分。围绕它的讨论主要集中在小样本下的稳健性、与 Spearman 等指标的差异，以及在放射报告、代理基准等专业场景中的适用边界。
Kendall 在评估器验证中的近期进展
RadEvalX 报告称，其采用 Kendall 类一致性度量后，与人工评判的相关性达到 0.573，被作者用作放射报告事实性评估器有效性的核心证据（Jev 用作放射报告事实性评估器：RadEvalX 相关性达 0.573）。这一数值说明自动评估与专家判断之间只呈中等强度一致，尚未达到完全替代人工的水平。
在 AI 代理基准测试方向，有研究提出双视角关系学习方法，用排序一致性指标来压缩评测所需的样本量，从而提升基准测试效率（提出双视角关系学习方法，提升AI代理基准测试效率）。其思路是把原本昂贵的成对比较转化为可统计检验的排序问题。
与评估指标的应用并行，RynnValue 尝试用时间距离扩展机器人价值基础模型（RynnValue：用时间距离扩展机器人价值基础模型），WattGPU 则预测未见过 GPU 和 LLM 的推理功耗与延迟（WattGPU：预测未见过GPU和LLM的推理功耗与延迟），Physics-IQ 基准也给出了验证与改进方案（Physics-IQ基准验证与改进）。这些工作共同构成了 Kendall 类指标得以落地的评测土壤。
当前焦点与观察点
一是阈值问题：0.573 这类中等相关性究竟应视为可用还是不足，社区尚无统一标准。二是样本偏差：Kendall 在小样本和大量并列排名时方差偏大，容易让评测结论被个别样本左右。三是治理层面，Kanishka Narayan 被任命为英国 AI 部长（Kanishka Narayan 被任命为英国AI部长），意味着 AI 评测标准的政策权重上升，Kendall 这类指标可能进入监管参考清单。后续值得观察的是它是否会与置信区间、显著性检验一起被强制报告。