首次量化不同评分协议下LLM作为AI评分者在复杂临床决策中的歧视行为，揭示评估条件对偏见的影响
arXiv:2606.03198v1 Announce Type: cross Abstract: Clinical AI evaluation increasingly delegates scoring to large language models (LLMs) acting as AI r…
自托管AI面试训练神器，支持语音+多主题+智能评分，Docker一键部署，适合求职者模拟实战。
Article URL: https://github.com/grillkit/grillkit Comments URL: https://news.ycombinator.com/item?id=48370292 Points: 1 # Comments: 0
LLM自评不再盲目：动态生成与优化评估标准，让AI判断更准确、更灵活。
arXiv:2605.30568v1 Announce Type: new Abstract: LLM-as-a-Judge is a scalable alternative to human evaluation, yet existing rubric-based methods rely o…
自托管AI技术面试训练器，支持语音、代码测试与AI评分，开源且可个性化练习
Article URL: https://github.com/GrillKit/grillkit Comments URL: https://news.ycombinator.com/item?id=48347525 Points: 2 # Comments: 0
AI开始给人类打分，Claude评分标准曝光，优秀人类仅得7.5分，揭示人机交互新维度
反转了反转了，过去我们给 AI 跑分，今天 Claude 开始反手给人类打分！它会通过 11 个指标来分析你和它的历史对话，判断你使用 AI 的水平高低。在 AI 眼里，你是高手还是萌新？ 倒反天罡，AI 开始给人类打分了！ 搞出这个功能的，还是那个抽象的 Anthropic。 这个功能虽然目前还在…
开源AI评分器Gandalf，自动批改作业或测试的智能工具。
Article URL: https://github.com/Handshake-AI-Research/gandalf-the-grader Comments URL: https://news.ycombinator.com/item?id=48298759 Points: 1 # Comme…