会员服务
Limits to scalable evaluation at the frontier: LLM as Judge won't beat twice the data
Arxiv
0+阅读 · 1月6日
Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models
Arxiv
0+阅读 · 1月4日
UltraEval-Audio: A Unified Framework for Comprehensive Evaluation of Audio Foundation Models
Arxiv
0+阅读 · 1月4日
When LLMs fall short in Deductive Coding: Model Comparison and Human AI Collaboration Workflow Design
Arxiv
0+阅读 · 2025年12月24日
Improving the Accuracy of Amortized Model Comparison with Self-Consistency
Arxiv
0+阅读 · 2025年12月16日
Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study
Arxiv
0+阅读 · 2023年4月21日
A categorical account of composition methods in logic
Arxiv
0+阅读 · 2023年4月20日
Sources of Irreproducibility in Machine Learning: A Review
Arxiv
0+阅读 · 2023年4月14日
A Practitioner's Guide to Bayesian Inference in Pharmacometrics using Pumas
Arxiv
0+阅读 · 2023年3月31日
Nested Sampling Methods
Arxiv
0+阅读 · 2023年3月30日
参考链接
微信扫码咨询专知VIP会员
Top