会员服务
机器学习系统设计系统评估标准
Limits to scalable evaluation at the frontier: LLM as Judge won't beat twice the data
Arxiv
0+阅读 · 1月6日
A Multilayered Approach to Classifying Customer Responsiveness and Credit Risk
Arxiv
0+阅读 · 1月5日
Vision-Based Early Fault Diagnosis and Self-Recovery for Strawberry Harvesting Robots
Arxiv
0+阅读 · 1月5日
DatBench: Discriminative, Faithful, and Efficient VLM Evaluations
Arxiv
0+阅读 · 1月5日
Explainable AI Technique in Lung Cancer Detection Using Convolutional Neural Networks
Explainable AI Technique in Lung Cancer Detection Using Convolutional Neural Networks
Arxiv
0+阅读 · 1月5日
SPER: Accelerating Progressive Entity Resolution via Stochastic Bipartite Maximization
Arxiv
0+阅读 · 1月1日
JP-TL-Bench: Anchored Pairwise LLM Evaluation for Bidirectional Japanese-English Translation
Arxiv
0+阅读 · 1月1日
Improving Autoformalization Using Direct Dependency Retrieval
Arxiv
0+阅读 · 1月1日
ALF: Advertiser Large Foundation Model for Multi-Modal Advertiser Understanding
Arxiv
0+阅读 · 2025年12月31日
WISE: Web Information Satire and Fakeness Evaluation
Arxiv
0+阅读 · 2025年12月30日
Can ensembles improve evidence recall? A case study
Arxiv
0+阅读 · 2025年12月30日
The Drill-Down and Fabricate Test (DDFT): A Protocol for Measuring Epistemic Robustness in Language Models
Arxiv
0+阅读 · 2025年12月29日
xVerify: Efficient Answer Verifier for Reasoning Model Evaluations
Arxiv
0+阅读 · 2025年12月30日
SPER: Accelerating Progressive Entity Resolution via Stochastic Bipartite Maximization
Arxiv
0+阅读 · 2025年12月29日
The Heap: A Contamination-Free Multilingual Code Dataset for Evaluating Large Language Models
Arxiv
0+阅读 · 2025年12月29日
参考链接
微信扫码咨询专知VIP会员
Top