跳到正文
arXiv · ML· Zhijian Zhou, Zesheng Ye, Zhaorun Chen, Bo Li, Feng Liu·· 10 天前AI 评分29

CELEUS:基于 E-process 的可认证高效 LLM 评估框架

CELEUS: Certifiable and Efficient LLM Evaluation via E-Processes

AI 导读

CELEUS 框架利用 E-process 构建具有任何时刻有效性的置信区间,解决现有 LLM 评估方法在动态停止规则下覆盖率失效问题。实验显示,该方法比基线算法少用 54%-62% 的评估样本即可达到目标精度。该框架通过无偏信号证明支持统计上稳健的评估实践。

来源:arXiv · ML · arxiv.org