跳到正文
热点事件持续更新

提出固定预算下LLM评估置信区间优化框架

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Yezhou Cheng 等提出成本高效的 LLM 评估框架,在固定预算下优化任务与重复运行分配,以构建更窄的性能置信区间。 该框架在 LiveCodeBench 基准测试中,针对 15 种模型配置实现了 30.6% 的中位置信区间宽度缩减。理论上证明了其在最坏情况下具备极快的置信区间收窄速率。 该结果基于重复运行产生相同结果的假设,框架支持全任务覆盖或部分覆盖场景。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    面向固定预算下窄置信区间的成本高效 LLM 评估框架

    该框架在固定评估预算下,通过在任务与重复运行间优化分配以构建更窄的 LLM 性能置信区间。 在 LiveCodeBench 基准测试中,该框架在 15 种模型配置下实现了 30.6% 的中位置信区间宽度缩减。 理论上证明了其在最坏情况下实现了收窄置信区间的极快速率。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。