保形Elo评估LLM论文被NeurIPS 2026接收

Bora Kargi与David Salinas发表了题为《保形Elo估计的大语言模型校准评估方法》的论文，该成果已被NeurIPS 2026正式接收。 研究提出了一种基于保形Elo估计的LLM评估方法，通过传播校准胜率至Bradley-Terry程序并结合分层保形预测，生成具备边缘覆盖保证的预测区间。 在LMArena上55个保留模型的测试中，该方法使LLM衍生评级与人类衍生评级间的平均绝对误差降至17.9个Elo分，且无需大规模人工标注即可提供可信不确定性边界。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。