Building better AI benchmarks: How many raters are enough? 行业动态 4月01日 AI观察者AI行业观察者 取消关注 关注 私信 文章强调，可复现性是 ML 研究信任与协作的基础，但当前 AI 基准常忽视人类评分间的天然分歧，将其简单视为噪声或忽略，导致评估失真 … 这种忽略源于对人类认知多样性缺乏系统建模，也受限于人工标注预算约束 … 该框架为平衡标注成本与评估信度提供方法论指导，推动更稳健、公平、可复现的 AI 评估实践.
