牛哥精选 · 半年

📋 全部 🤖 AI·大模型 ⚡ 效率工具 📝 深度技术 🚀 产品观察 💰 商业科技 🔓 开源项目 🎨 设计创意 📖 阅读推荐 🏷 资源合集 🌱 成长效率

📝 深度技术 arXiv AI 2026-07-29

Laplace-PSN-IRT: Uncertainty Quantification for Neural Item Response Theory Models of LLM Benchmarks

用Laplace近似为LLM基准测试的神经网络IRT模型注入不确定性量化，提升评估可靠性。

arXiv:2607.25257v1 Announce Type: cross Abstract: Item Response Theory (IRT) has recently been proposed as a framework for evaluating large language m…

项目反应理论不确定性量化 llm评估神经网络基准测试

📝 深度技术 arXiv NLP 2026-06-01

Auditing LLM Benchmarks with Item Response Theory

用项目反应理论深度剖析LLM基准测试，揭示评估偏差与模型能力真实度量。

arXiv:2605.30504v1 Announce Type: new Abstract: LLM benchmark labels are frozen at release and silently propagated into downstream benchmarks, errors …

项目反应理论 llm基准测试模型评估审计方法 ai可靠性

📅 日期

2026-05-20 2026-05-19

🐂 牛哥精选

Laplace-PSN-IRT: Uncertainty Quantification for Neural Item Response Theory Models of LLM Benchmarks

Auditing LLM Benchmarks with Item Response Theory

📅 日期