从自信到统计准确性：通过直接审计和法学硕士辅助审计扩大人在环评估
原文：From Self-Confidence to Statistical Accuracy: Scaling Human-in-the-Loop Evaluation with Direct and LLM-Assisted Auditing
对于大语言模型（LLM）和多模态大语言模型（MLLM），模型报告的自信心经常被错误校准，但它对于有效评估仍然可能有用。同时，法学硕士作为法官提供了直接人工审核的可扩展替代方案，但其实际效益取决于校准质量和推理成本。本文开发了一个统一的统计框架
正在把原文抓到本机服务器…首次约 3~8 秒，抓好后本站永久缓存，下次秒开。
抓不到时可直接看原文（部分站点需要登录/反爬，服务器也无法抓取）。
正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。
